[发明专利]基于自适应感受野深度学习的目标检测方法

摘要

一种基于自适应感受野深度学习的目标检测方法，包括以下步骤：步骤1：在网上采集图片作为数据集；步骤2：对采集到的图片进行预处理；步骤3：对采集到的图片按照设定的比例进行划分；步骤4：将训练集输入到网络中，进行训练；步骤5：在基底网络提取特征的基础上，用一个浅层的网络进行预测；步骤6：在基底网络提取特征的基础上，使用RPN网络提取ROIs；步骤7:将步骤5预测到结果作用到步骤6提取到的ROIs上；步骤8:将步骤7面积调整后的ROIs进行区域归一化操作；步骤9:将步骤8的结果分别输入到两个全连接层中，分别进行ROIs位置的回归训练以及ROIs的分类训练。本发明提高深度神经网络的性能。

主权项

1.一种基于自适应感受野深度学习的目标检测方法，其特征在于，所述的方法包括以下步骤：步骤1：在网上采集图片作为数据集；步骤2：对采集到的图片进行预处理，包括随机的裁剪、翻转以及尺寸的归一化；步骤3：对采集到的图片按照设定的比例进行划分，分为训练集和验证集；步骤4：将训练集输入到网络中，进行训练，选取ResNet，DenseNet作为基底网络进行特征的提取；步骤5：在基底网络提取特征的基础上，用一个浅层的网络进行预测，预测的结果维数为二维，即N*5；其中，N为ROIS的数量，5是指1个比率r,以及左上和右下的偏移信息，比率r的作用是计算众数的区间；步骤6：在基底网络提取特征的基础上，使用RPN网络提取ROIs；步骤7:将步骤5预测到结果作用到步骤6提取到的ROIs上，即将步骤5预测的左上角偏移和右下角偏移作用在ROIs的左上角和右下角的坐标上，通过调整ROIs的面积，从而调整Proposals所对应的感受野的面积；步骤8:将步骤7面积调整后的ROIs进行区域归一化操作，选取每个区域内落在某个像素值区内像素值的平均值作为输出，区间的选取是根据区间内像素的数量，选取像素数量最多的区间作为最优的区间；步骤9:将步骤8的结果分别输入到两个全连接层中，分别进行ROIs位置的回归训练以及ROIs的分类训练。