[发明专利]一种基于级联沙漏神经网络的多目标检测方法

摘要

本发明提供了一种基于级联沙漏神经网络的多目标检测方法，旨在解决现有检测方法速度过慢，以及对于小目标难以识别的技术问题。本发明包括以下步骤：步骤1、采集训练样本；步骤2、搭建深度学习框架并构建目标检测的骨干网络级联沙漏网络；步骤3、设计训练样本的标签为置信度热图；步骤4、设计级联沙漏网络的损失函数对其进行优化；步骤5、训练级联沙漏网络得到检测模型；步骤6、多目标检测。本发明的有益技术效果在于：能够快速精确地识别出多种类别的目标，提高了对小目标的识别能力。

主权项

1.一种基于级联沙漏神经网络的多目标检测方法，其特征在于，包括以下步骤：步骤1、采集训练样本：通过图像采集设备待检测目标图像，将目标图像进行标记并对作预处理，使图像符合格式要求，构建训练样本集；步骤2、搭建深度学习框架并构建目标检测的骨干网络级联沙漏网络：级联沙漏神经网络由多个沙漏网络级联而成，每个沙漏网络都包含了多个上采样层，下采样层，跨区域连接层和卷积层；步骤3、设计训练样本的标签为置信度热图：将步骤1采集并标记的训练样本标签生成置信度热图用于网络训练，每个种类的目标在同一层置信度热图中；步骤4、设计级联沙漏网络的损失函数对其进行优化：采用最小均方误差损失函数，用Adam优化器对网络进行学习优化；步骤5、训练级联沙漏网络得到检测模型：将步骤1采集到的训练样本经过步骤3生成置信度热图后通过级联沙漏网络训练得到检测模型；步骤6、多目标检测：利用级联沙漏网络进行目标检测，输出的不同层的置信度热图代表不同的种类，在每一层中的置信度位置映射代表了待检测目标的位置，对置信度热图进行非极大值抑制，得到最终置信度热图中得到映射得到检测目标。