一种基于Faster RCNN算法改进的目标检测方法技术

本发明专利技术公开一种基于Faster RCNN算法改进的目标检测方法，包括以下步骤：(1)输入一张图片，然后对输入图片进行预处理，调整输入图片的大小；(2)通过DenseNet网络进行特征提取，随后在提取到的特征图上分为上、下两条支路；(3)对上步得到的上支路通过RPN网络产生候选框，下支路ROI网络利用DenseNet网络产生的特征图和上支路产生的候选框，得到固定大小的提案特征图；(4)通过预测模块进行目标分类和定位。

An improved target detection method based on Faster RCNN

【技术实现步骤摘要】
一种基于FasterRCNN算法改进的目标检测方法
本专利技术涉及计算机视觉目标检测、图像处理领域，特别是涉及一种基于FasterRCNN[1]算法改进的目标检测方法。
技术介绍
随着深度学习的兴起，目标检测技术得到了飞速发展。传统的目标检测技术主要分为两大类：一是基于区域提议的目标检测方法，如RCNN系列(RCNN，FastRCNN[3]以及FasterRCNN等)；二是单阶段的目标检测方法，如YOLO、SSD[1]以及DSSD等。前者精度高，但速度慢；后者精度低，但速度快。目标检测技术是计算机视觉和图像处理的一个热门方向，它可以用于无人驾驶汽车、智能视频监控等诸多领域，因此，对目标检测系统的改进越来越重要。针对第一类目标检测方法的改进大致有4个方面：1、骨干网络采用复杂的网络模型，如：DenseNet、DPN等，来提取特征；2、利用FPN[5](特征金字塔网络)或DPM[2](可变形组件模型)等来进行多尺度训练；3、改进后处理操作方法，如：NMS(非极大值抑制)、SoftNMS(软化非极大值抑制)等；4、增强系统定位能力以提高精度，本文档来自技高网...

【技术保护点】
1.一种基于Faster RCNN算法改进的目标检测方法，其特征在于，包括以下步骤：/n(1)输入一张图片，然后对输入图片进行预处理，调整输入图片的大小；/n(2)通过DenseNet网络进行特征提取，随后在提取到的特征图上分为上、下两条支路；/n(3)对上步得到的上支路通过RPN网络产生候选框，下支路ROI网络利用DenseNet网络产生的特征图和上支路产生的候选框，得到固定大小的提案特征图；/n(4)通过预测模块进行目标分类和定位。/n

【技术特征摘要】
1.一种基于FasterRCNN算法改进的目标检测方法，其特征在于，包括以下步骤：
(1)输入一张图片，然后对输入图片进行预处理，调整输入图片的大小；
(2)通过DenseNet网络进行特征提取，随后在提取到的特征图上分为上、下两条支路；
(3)对上步得到的上支路通过RPN网络产生候选框，下支路ROI网络利用DenseNet网络产生的特征图和上支路产生的候选框，得到固定大小的提案特征图；
(4)通过预测模块进行目标分类和定位。


2.根据权利要求1所述一种基于FasterRCNN算法改进的目标检测方法，其特征在于，步骤(2)中DenseNet网络由卷积层、3个密集连接块(DenseBlock)和过渡层构成，在DenseBlock中，每一层的输出都与前面几层输出有关，其输出函数为...

【专利技术属性】
技术研发人员：郭如意，金杰，陈景明，刘凯燕，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12