[发明专利]一种增强前景与背景区分度的目标检测方法及系统在审

专利信息
申请号: 202111249179.0 申请日: 2021-10-26
公开(公告)号: CN114067228A 公开(公告)日: 2022-02-18
发明(设计)人: 高朋;刘辰飞;陈英鹏;张朝瑞;席道亮;刘明顺 申请(专利权)人: 神思电子技术股份有限公司
主分类号: G06V20/20 分类号: G06V20/20;G06V10/46
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 董雪
地址: 250101 山东*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 增强 前景 景区 分度 目标 检测 方法 系统
【权利要求书】:

1.一种增强前景与背景区分度的目标检测方法,其特征在于,包括:

根据原始图像中目标的标记信息,生成与原始图像大小相同的马克图;

基于原始图像,采用不同尺度的特征网络,得到不同尺度特征网络对应的特征输出;

引入所述马克图,调整所述马克图的大小,得到不同尺度的马克图;

根据不同尺度特征网络对应的特征输出,结合不同尺度的马克图,计算不同尺度下马克图损失;

采用所述不同尺度下马克图损失构建的损失函数优化目标检测模型;

基于原始图像,采用优化后的目标检测模型,得到目标检测结果。

2.根据权利要求1所述的增强前景与背景区分度的目标检测方法,其特征在于,所述不同尺度的特征网络为三个不同尺度的特征网络。

3.根据权利要求2所述的增强前景与背景区分度的目标检测方法,其特征在于,所述得到不同尺度的马克图的过程包括:

对所述马克图分别进行三次不同尺度的图像大小调整,得到三种不同尺度的马克图,分别为:第一马克图、第二马克图和第三马克图。

4.根据权利要求2所述的增强前景与背景区分度的目标检测方法,其特征在于,所述计算不同尺度下马克图损失包括:

调整三个不同尺度特征网络对应的特征输出的通道数,使其与马克图通道数相同,得到第一特征、第二特征和第三特征;

对所述第一特征、第二特征和第三特征进行激活处理,得到激活后的第一特征、第二特征和第三特征;

根据所述激活后的第一特征、第二特征和第三特征结合与每个特征相对应的三个不同尺度下马克图,得到第一马克图损失、第二马克图损失和第三马克图损失。

5.根据权利要求3所述的增强前景与背景区分度的目标检测方法,其特征在于,所述第三马克图损失获得的过程包括:

调整第三特征网络的第三特征输出的通道数,使其与马克图通道数相同,得到第三特征;

对所述第三特征进行激活处理,得到激活后的第三特征;

根据所述激活后的第三特征结合与第三特征图像大小相同的第三马克图,得到第三马克图损失。

6.根据权利要求3所述的增强前景与背景区分度的目标检测方法,其特征在于,所述损失函数的构建过程包括:融合所述不同尺度下马克图损失和原始图像的相关损失,结合每种损失对应的超参数得到损失函数。

7.根据权利要求3所述的增强前景与背景区分度的目标检测方法,其特征在于,原始图像的相关损失包括类别损失、位置损失和目标损失。

8.一种增强前景与背景区分度的目标检测系统,其特征在于,包括:

马克图生成模块,其被配置为:根据原始图像中目标的标记信息,生成与原始图像大小相同的马克图;

特征输出模块,其被配置为:基于原始图像,采用不同尺度的特征网络,得到不同尺度特征网络对应的特征输出;

图像调整模块,其被配置为:引入所述马克图,调整所述马克图的大小,得到不同尺度的马克图;

马克图损失计算模块,其被配置为:根据不同尺度特征网络对应的特征输出,结合不同尺度的马克图,计算不同尺度下马克图损失;

模型优化模块,其被配置为:采用所述不同尺度下马克图损失构建的损失函数优化目标检测模型;

检测模块,其被配置为:基于原始图像,采用优化后的目标检测模型,得到目标检测结果。

9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的增强前景与背景区分度的目标检测方法中的步骤。

10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的增强前景与背景区分度的目标检测方法中的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于神思电子技术股份有限公司,未经神思电子技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111249179.0/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top