[发明专利]一种基于密集连接特征金字塔网络的目标检测方法

摘要

本发明公开了一种基于密集连接特征金字塔网络的目标检测方法，涉及图像处理和计算机视觉技术。该方法包括：收集标注目标边界框和类别信息的图像数据集；构造含有能学习特征通道间依赖关系的Squeeze‑Excitation结构的密集连接特征金字塔网络作为特征提取主干网络；交替训练RPN子网和R‑FCN子网得到目标检测模型；利用该模型检测图像中特定的目标。通过在特征提取主干网络中引入Squeeze‑Excitation结构和密集连接结构，增强模型的表征能力，特征金字塔结构增强模型对不同尺寸目标的适应性，采用R‑FCN检测头最大程度地实现整个网络模型计算的共享，节省计算资源，提高整个目标检测模型的性能。

主权项

1.一种基于密集连接特征金字塔网络的目标检测方法，其特征在于：包括以下步骤：（1）收集标注目标边界框和类别信息的图像数据集，将图像数据集划分成训练集和验证集，并对图像数据进行数据预处理；（2）构建一个基于密集连接结构和特征金字塔结构的增强特征表达能力和尺度适应能力的特征提取主干网络；（3）在特征提取主干网络基础上并接区域生成网络(Region Proposal Network,RPN)和基于区域的全卷积网络(Region‑based Fully Convolutional Networks,R‑FCN)检测头，利用RPN生成目标候选区域，然后利用R‑FCN检测头对目标候选区域进行分类和边界框回归；（4）利用训练数据集按照四步交替训练法对RPN子网和R‑FCN子网进行交替训练并利用验证集对特征提取主干网络的训练效果进行检验和超参数调整，最终训练得到一个统一的目标检测模型；（5）利用训练得到的目标检测模型，检测待测试图像中的指定目标。