[发明专利]一种改进两阶段目标检测的方法

权利要求书

1.一种改进两阶段目标检测的方法，其特征在于，包括以下步骤：

第一步、数据集处理与预训练模型优化

使用大规模的数据集对卷积神经网络进行预训练，提升特征识别能力；

基于ISLVRC2012的ImageNet-1000全量数据集对ResNet-50模型，ResNet-101模型或ResNet-152模型进行预训练；

第二步、用预训练模型替换骨干网络

用预训练模型替换FasterRCNN的骨干网络VGG16，使用目标检测数据集对FasterRCNN网络中的分类层和RPN网络进行微调，以增强负责特征提取的卷积网络能力，进而提升分类层和RPN网络的性能。

2.根据权利要求1所述的改进两阶段目标检测的方法，其特征在于：所述第一步中，采用ImageNet全量数据对ResNet模型进行预训练，并对预训练模型进行保存。

3.根据权利要求1所述的改进两阶段目标检测的方法，其特征在于：所述第一步中，下载ImageNet-1000全量数据集并将其处理成TFRecord格式备用。

4.根据权利要求1所述的改进两阶段目标检测的方法，其特征在于：所述第一步中，优化器使用SGD算法对预训练模型进行优化。

5.根据权利要求4所述的改进两阶段目标检测的方法，其特征在于：所述第一步中，将初始学习率设为0.03，前五千步使用warm-up策略，将动量设为0.9，学习率乘以动量对数据进行随机镜像翻转。

6.根据权利要求5所述的改进两阶段目标检测的方法，其特征在于：所述第一步中，在第10，30，60和80轮优化时对学习率进行衰减，衰减率为0.0001，将总批量设为4096，分布在8块NVIDIATeslaV100计算卡上。

7.根据权利要求6所述的改进两阶段目标检测的方法，其特征在于：所述第一步中，在预训练优化结束后，将模型迁移到下游任务中时，使用MixUp数据增强，但不使用正则化方法，包括WeightDecay正则化及Dropout正则化。