一种真实场景下玻璃检测的方法技术

本发明专利技术公开了一种真实场景下玻璃检测的方法，属于物体检测领域。本发明专利技术设计了一种基于LCFI块的组合方式，以有效地集成不同尺度的上下文特征，成功地检测出不同大小的玻璃。最终，将多个LCFI组合块嵌入到玻璃检测网络(GDNet)中，以获得不同级别的大尺度上下文特征，从而实现了在各种场景下可靠精确的玻璃检测。

A method of glass detection in real scene

【技术实现步骤摘要】
一种真实场景下玻璃检测的方法
本专利技术属于计算机视觉领域中的目标检测(ObjectDetection)领域，具体实现结果为玻璃的检测，特别涉及一种真实场景下玻璃检测的方法。
技术介绍
二维图像中的目标检测任务是根据用户定义的检测目标，确定图像中物体的大小和位置。检测手段从传统的人工设计特征加浅层分类器的框架，到基于深度学习的端到端的检测框架，目标检测方法与种类随着深度学习的不断发展日益进步与完善。但是物体检测过程中仍有很多不确定因素，而且当检测物体为玻璃时，因为玻璃是透明的无定形的固体，这种由玻璃制成的物体会对现有的视觉系统(例如深度预测和实例分割)产生重大影响，并且还会进一步影响许多应用(例如机器人导航和无人机跟踪)中的智能决策，例如，机器人/无人机可能碰撞玻璃墙。因此，视觉系统能够根据输入图像检测并分割玻璃，具有很大的现实意义和应用价值。与玻璃检测方法相关的现有的方法主要包含语义分割、显著物体检测和去除反射等方法。(a)语义分割语义分割旨在将给定图像分割并解析为能与离散对象的语义类别相关联的不同区域。通常是本文档来自技高网...

【技术保护点】
1.一种真实场景下玻璃检测的方法，其特征在于，所述方法具体包括以下步骤：/n步骤1构建玻璃检测数据集GDD/n使用相机和智能手机捕获玻璃图像，构建玻璃检测数据集GDD；所述的玻璃检测数据集GDD包含具有不同场景及不同面积大小玻璃场景的图像以保证网络学习的多样性及网络的适用性；所述图像均采用真实场景拍摄；将得到的玻璃检测数据集GDD中的图像划分为训练集和测试集；/n步骤2多级特征提取器提取特征/n将步骤1构建的GDD数据集中训练集的图像输入到多级特征提取器MFE中以收获不同级别的特征；所述的多级特征提取器MFE利用特征提取网络实现；/n步骤3构建大尺度上下文特征集成LCFI块/n使用交叉卷积来构...

【技术特征摘要】
1.一种真实场景下玻璃检测的方法，其特征在于，所述方法具体包括以下步骤：
步骤1构建玻璃检测数据集GDD
使用相机和智能手机捕获玻璃图像，构建玻璃检测数据集GDD；所述的玻璃检测数据集GDD包含具有不同场景及不同面积大小玻璃场景的图像以保证网络学习的多样性及网络的适用性；所述图像均采用真实场景拍摄；将得到的玻璃检测数据集GDD中的图像划分为训练集和测试集；
步骤2多级特征提取器提取特征
将步骤1构建的GDD数据集中训练集的图像输入到多级特征提取器MFE中以收获不同级别的特征；所述的多级特征提取器MFE利用特征提取网络实现；
步骤3构建大尺度上下文特征集成LCFI块
使用交叉卷积来构建LCFI块：通过扩张率为r、内核大小分别为k×1的垂直卷积和内核大小为1×k的水平卷积来实现大尺度范围的特征提取；并使用另一个具有相反顺序的平行十字交叉卷积，以提取互补的大尺度上下文特征用来消除歧义；
步骤4设计LCFIM模块
将n个不同规模的LCFI块组合起来形成LCFIM模块，以实现从不同规模的尺度中获取上下文特征；具体为：将多级特征提取器MFE提取的特征层输入到n个并行LCFI块中，并通过注意力模块融合每个LCFI块的输出；同时，在相邻的两个LCFI块之间添加信息流以探索更多的上下文特征，即，将当前的LCFI块的输出作为下一个LCFI块的输入，从而将来自上一个LCFI块的局部特征...

【专利技术属性】
技术研发人员：杨鑫，梅海洋，刘圆圆，魏小鹏，张强，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21