[发明专利]一种基于感受野的卷积神经网络目标检测系统与方法

权利要求书

1.一种基于感受野的卷积神经网络目标检测系统，其特征在于：ARM(锚框提炼)模块，TCB(传输连接)模块以及ODM(对象检测)模块；

所述ARM模块将固定尺寸的图片生成预先设定的M个候选框，并对候选框进行处理，并将处理后的候选框传递给TCB模块；

所述TCB模块对ARM模块输出候选框进行特征提取，将提取的特征向量进行转移及特征融合，并将处理后的特征输出至ODM模块；

所述ODM模块将TCB处理后的特征向量作为输入，进行检测目标的多分类以及对边界框进行矫正，对检测目标坐标进行预测。

2.根据权利要求1所述的一种基于感受野的卷积神经网络目标检测系统，其特征在于，所述TCB模块包括RFB(感受野)模块，Relu(线性修正单元)激活函数以及Deconv(反向卷积)卷积层来进行图像特征提取以及进行图像特征的融合，RFB模块使用不同高度和宽度的卷积核实现感受野的结构设计，并通过模拟人类视觉系统的感受野及离心率的关系，使用1*1以及3*3大小的卷积核心及所述卷积层进行多分支处理，通过所述Relu激活函数将融合后的特征向量输出至ODM模块。

3.根据权利要求1所述的基于感受野的卷积神经网络目标检测系统，其特征在于，所述ODM模块的预测通过不同高度和宽度的卷尺层进行检测，将检测获得的特征图，通过softmax(逻辑回归)分类函数确定边界框确定是否包含目标，以及通过对边界框的回归获取目标的精确位置。

4.一种基于感受野的卷积神经网络目标检测方法，通过权利要求1所述一种基于感受野的卷积神经网络目标检测系统实现，具体包括以下步骤；

步骤1、预训练模型，选择识别的类和对象，搭建好前馈传播和反向传播网络结构，然后将实时视频或者图片输入到神经网络；

步骤2、若输入视频，将视频分解为图像处理，从图像中提取出相同尺寸的候选框，通过ARM模块筛选出结果为负的正样本，将剩下的候选框通过RFB模块来获取候选框特征；

步骤3、通过TCB提取出的候选框中的特征信息传给ODM，根据特征信息来进行分类及确定候选中对象的位置，实现对目标的检测。