[发明专利]一种基于卷积神经网络的目标检测方法

权利要求书

1.一种基于卷积神经网络的目标检测方法，其特征在于，包括：

基于残差卷神经网络进行特征提取，得到逐层的基础特征图；

将所述基础特征图由浅至深依次融合，得到融合特征图；

基于区域生成网络对所述融合特征图进行候选框提取，得到候选目标区域特征图；

根据所述融合特征图和所述候选目标区域特征图得到感兴趣区域特征图；

根据所述感兴趣区域特征图基于全卷积层得到分类得分和边框回归。

2.根据权利要求1所述的一种基于卷积神经网络的目标检测方法，其特征在于，所述基础特征图包括第一特征图、第二特征图、第三特征图和第四特征图。

3.根据权利要求2所述的一种基于卷积神经网络的目标检测方法，其特征在于，所述将所述基础特征图由浅至深依次融合，得到融合特征图，包括：

对所述第一特征图进行下采样处理，得到下采样特征图；

对所述第二特征图进行卷积降维处理，得到降维特征图，所述降维特征图的通道数与所述下采样特征图的通道数相同；

将所述下采样特征图与所述降维特征图进行融合得到初始融合特征图；同理最终得到所述融合特征图。

4.根据权利要求3所述的一种基于卷积神经网络的目标检测方法，其特征在于，所述对所述第一特征图进行下采样处理，得到下采样特征图，包括：

基于n个支路空洞卷积分别对所述第一特征图进行下采样处理；n为大于1的正整数；

将经过各支路空洞卷积进行下采样处理的所述第一特征图进行融合得到所述下采样特征图。

5.根据权利要求4所述的一种基于卷积神经网络的目标检测方法，其特征在于，所述n为3，3个支路的空洞率分别为1、2和3。

6.根据权利要求1所述的一种基于卷积神经网络的目标检测方法，其特征在于，所述基于区域生成网络对所述融合特征图进行候选框提取，得到候选目标区域特征图，包括：

基于第一设定卷积核对所述融合特征图进行卷积处理，得到第一卷积特征图；

基于第二设定卷积核对所述第一卷积特征图进行卷积处理，得到第二卷积特征图；

基于第二设定卷积核对所述第二卷积特征图进行卷积处理，得到第三卷积特征图；

将所述第二卷积特征图和所述第三卷积特征图分别输入两个并行的全连接层，基于设定锚框进行处理，得到所述候选目标区域特征图。

7.根据权利要求6所述的一种基于卷积神经网络的目标检测方法，其特征在于，所述根据所述感兴趣区域特征图基于全卷积层得到分类得分和边框回归，包括：

根据所述感兴趣区域特征图基于全卷积层得到初始分类得分和初始边框回归；

用所述初始边框回归替换所述设定锚框，并依次执行后续步骤，通过设定m个阈值，并重复执行m次此过程，得到所述分类得分和所述边框回归；m为大于或等于1的正整数。

8.根据权利要求6所述的一种基于卷积神经网络的目标检测方法，其特征在于，所述第一设定卷积核为3×3；所述第二设定卷积核为1×1。

9.根据权利要求1所述的一种基于卷积神经网络的目标检测方法，其特征在于，所述根据所述融合特征图和所述候选目标区域特征图得到感兴趣区域特征图，包括：

基于ROI Align对所述融合特征图和所述候选目标区域特征图进行融合得到初始感兴趣区域特征图；

按照设定倍数对所述初始感兴趣区域特征图进行放大处理得到放大感兴趣区域特征图；

基于所述放大感兴趣区域特征图对所述初始感兴趣区域特征图进行全局上下文提取，得到上下文信息；

基于ROI Align对初始感兴趣区域特征图与所述上下文信息进行融合得到所述感兴趣区域特征图。

10.根据权利要求1所述的一种基于卷积神经网络的目标检测方法，其特征在于，所述残差卷神经网络为ResNet-101网络。