[发明专利]一种轻量化改进目标检测方法及检测系统

权利要求书

1.一种轻量化改进目标检测方法，其特征在于，所述轻量化改进目标检测方法包括：

利用用改进后的ShuffleNet v2模型替换FSSD中原有的骨干网络；

引入加权双向特征金字塔结构替换FSSD中原有的三层特征融合的结构，通过对多层特征进行自顶向下和自底向上的特征融合，使得融合后的特征包含更多的语义信息，进行目标的检测。

2.如权利要求1所述的轻量化改进目标检测方法，其特征在于，利用用改进后的ShuffleNet v2模型替换FSSD中原有的骨干网络的方法包括：

利用MobileNet替换FSSD中的骨干网络VGG-16，同时利用深度可分离卷积改进FSSD模型中产生用于检测的特征图的网络层。

3.如权利要求2所述的轻量化改进目标检测方法，其特征在于，改进FSSD模型中产生用于检测的特征图的网络层的方法包括：将ShuffleBlock的分配用原先的[4,8,4]改成[2,4,8,2],同时将输出的通道数由原先的[176,352,704]改成[128,256,512,1024]。

4.如权利要求1所述的轻量化改进目标检测方法，其特征在于，对多层特征进行自顶向下和自底向上的特征融合方法包括：

双向特征金字塔结构的输入来自于骨干网络中stage2，stage3和last conv的输出特征，通过一个类似自底向上的结构扩展成6层输入特征图；而输入特征图在双向特征金字塔结构中分别经历了自顶向下和自底向上两组处理，自顶向下的处理按照公式(1)进行；

自底向上的处理按照公式(2)进行；

经过双向特征金字塔结构处理后，6个输入特征经过充分的融合；而输出的6层特征将用于模型最后的多尺度检测；在双向特征金字塔的处理过程中，浅层额用于定位细节信息和深层的用于定位的语义信息充分融合。

5.如权利要求1所述的轻量化改进目标检测方法，其特征在于，所述轻量化改进目标检测方法进一步包括：

1)摄像模块进行图像捕捉，并传输给算法模块；

2)算法模块利用改进后的网络算法进行目标检测，得出具体结果后传输到后端中的显示模块获取信息；

所述改进后的网络算法包括：利用用改进后的ShuffleNet v2模型替换FSSD中原有的骨干网络；

引入加权双向特征金字塔结构替换FSSD中原有的三层特征融合的结构，通过对多层特征进行自顶向下和自底向上的特征融合，使得融合后的特征包含更多的语义信息；

3)从现实模块中获取信息后，根据对结果的满意程度选择是否从输入模块输入调整运行参数与模式的指令；如果选择输入的话则会由输入模块将调整的信息传输给前端中的运行参数模块；

4)运行参数模块接收到指令后，会发出命令给算法模块令算法模块进行调整；算法模块随后按照指令进行更改后继续完成检测任务。

6.一种轻量化改进目标检测系统，其特征在于，所述轻量化改进目标检测系统包括：

前端，包括摄像模块，算法模块、运行参数模块、负责捕捉图像并完成目标检测的摄像头；用于完成捕捉图像与目标检测；

后端，包括显示模块与输入模块，用于人工获取信息与调整系统的后台。

7.如权利要求6所述的轻量化改进目标检测系统，其特征在于，所述摄像模块用于摄像头对图像的拍摄录入，负责捕捉所需要的特征目标，并传输至识别目标的算法模块；

算法模块，内嵌有利用FSSD模型为基础的轻量化的改进模型，以及内嵌有利用改进后的ShuffleNet与双向特征金字塔改进后的FSSD模型目标检测算法；从摄像模块传输来的图像分析得出检测结果，并传输到后端的显示模块；还用于接受从运行参数模块传输过来的参数与指令调整；

运行参数模块，负责存储维护整个前端的参数信息与指令信息；从后端接受调整参数和模式的指令，并传输调整命令给算法模块；

所述显示模块负责显示从前端传输过来的目标检测结果；

所述输入模块供人工输入调整运行参数与模式的指令，并且传输到前端中的运行参数模块。