[发明专利]一种自适应确定目标尺寸和感受野大小的方法

权利要求书

1.一种自适应确定目标尺寸和感受野大小的方法，其特征在于，该方法包括如下步骤：

Step1：对原始分辨率448*256的图片进行ResNet-50网络卷积操作提取特征图featuremaps，将卷积中的乘法换成加法操作,具体操作如下：

其中，Y(m，n，t)表示输出坐标为(m，n)第t个通道的值，X(m+i，n+j，k)表示输入坐标为(m+i，n+j)的第k个通道的值，c_in为原始输入图片的通道，F(i，j，k，t)是过滤器，也为权值矩阵,过滤器大小为d*d，经过ResNet-50网络卷积得到28*16*256的特征图，用于区域候选框提取RPN和感兴趣区域池化ROIPooling共享；

Step2:定义九个边界框尺寸，候选框尺寸如下：

{[2,2],[2,4],[2,8],[4,2],[4,4],[4,8],[8,2],[8,4],[8,8]}；

Step3：选取公共数据集ImageNet，包括训练集和测试集，训练集中的图片由两部分组成：一是未做任何标注的图片，二是与图片对应的图片中真实目标框的坐标信息，选取ImageNet中部分训练集做实验数据，自行创建一个txt文本文件，存储训练集中真实目标框的坐标信息；

Step4：根据ResNet-50提取特征图28*16*256标注的原始框，使用RPN提取其中的边界框，下面根据与真实框的映射每个位置增加一个偏移量offset：

其中，p₀表示输出的像素坐标，坐标表示为：R＝{[-1,-1],[-1,0],[-1,1],[0,-1],[0,0],[0,1],[1,-1],[1,0],[1,1]},p_n遍历R中的每一个点，Δp_n表示偏移量，w(p_n)为过滤器每个位置的权重；

(1)把原来的卷积过程分成两路，一路学习偏移量Δp_n，得到2N*H*W的输出，N＝|R|表示R是前面公式表示的3*3矩阵，加绝对值表示获取矩阵中点的个数，也就是9，2N是有x、y两个方向的偏置，H、W分别为特征图的高和宽，Δp_n是一个预设的小数，采用双线性插值法，获取特征图两个相邻斜对角左下(x₁，y₁)、右上(x₂，y₂)坐标之间的值，公式为：

其中，f(x₁,y₁)、f(x₂,y₁)、f(x₁,y₂)、f(x₂,y₂)分别为四个坐标对应的值，f(x,y)为插值后得到的值；

(2)使用3*3的滑动卷积窗口对特征图做卷积操作，得到28*16个向量，每个向量256维；

(3)对整个特征图做两次1*1的卷积，产生两块layer，一块是cls layer，维度为2*H*W，表示分类这块区域是前景或背景；另一块是reglayer，维度为4*H*W，表示预测出相对于原图偏移的Δx,Δy,Δw,Δh位置；

Step5：对于cls layer分类，对前景和背景分别用正样本1和负样本0进行标签，计算原始标注框与边界框的交集面积I和并集面积U，得到一个面积比值IOU：

IOU＝I/U

对这个比值进行过滤，筛选出与任意一个原始标注框的IOU重叠部分大于0.7的边界框作为正样本标签，与任意一个原始标注框的IOU重叠部分小于0.3的边界框作为负样本标签，分类学习的损失函数为：

其中，L_cls为回归损失函数，p_i为anchor预测为目标的概率，只有两个值，p_i＝0表示预测目标失败为背景框，p_i＝1表示预测目标成功为目标框；表示训练集真实标注框：表示负标签，表示正标签；

Step6：对于reg layer回归，通过不断训练收敛得到的特征图中点的四个值：x_r、y_r、h_r、w_r，表示预测的边界盒的四个坐标参数，与原始标注框坐标差值在预设范围内，使其收敛趋于原始标注框的坐标，回归损失函数为：

其中，L_reg为回归损失函数，t_i＝{x_r，y_r，w_r，h_r}表示预测的边界盒的四个坐标参数，是目标标注框的四个坐标参数，R()为计算预测边界盒参数收敛于目标标注框参数的函数；

Step7：通过step5和step6的分类和回归操作之后，对由边界框变成由RPN给出的候选框进行筛选；

Step8：提出了ROI pooling感兴趣区域池化实现训练和测试的加速，并提高了检测的精度，感兴趣区域池化层有两个输入：一是经过基础网络卷积和池化后的固定大小的特征图；二是表示感兴趣区域ROI的N*5的矩阵，其中N表示感兴趣区域ROI的数目，第一列表示图像索引，之后四列表示图像感兴趣区域的左上角和右下角坐标的信息，技术方案如下：

(1)根据输入图像，将ROI映射到特征图对应位置；

(2)将映射后的区域划分为相同大小的部分，部分数量与输出的维度相同；

(3)对每个部分进行max pooling最大值池化操作。