一种基于多层信息融合的目标检测算法制造技术

本发明专利技术创造提供了一种基于多层信息融合的目标检测算法，包括：S1、对数据集图像进行预处理；将图像数据调整到网络设定的尺寸；S2、利用Densenet对图像进行不同层次信息的提取，提取四个阶段的特性特征；S3、对提取的四个阶段特征进行通道数的规范化；S4、对提取的多层次信息进行上下融合，加强不同层次信息的传递，使特征图具有丰富的深层语义信息及浅层的位置信息。本发明专利技术创造使用Densenet作为特征提取网络，与传统的ResNet网络相比，该网络所需的参数量不到ResNet的一半；对于工业界而言，小模型可以显著地节省带宽，降低存储开销，提高了网络模型的计算效率，并且根据网络特性提取了不同层次的信息。

【技术实现步骤摘要】
一种基于多层信息融合的目标检测算法
本专利技术创造属于计算机视觉检测领域，尤其是涉及一种基于多层信息融合的目标检测算法。
技术介绍
目标检测与识别作为计算机视觉领域的基本任务之一，在工业界，目标检测受到广泛重视，在各个领域有很多实际应用。例如：目标跟踪，汽车辅助驾驶，生物识别，智能家居，智慧农业，医学图像分析及飞行物的识别。通过计算机视觉减少对人力资本的消耗，具有重要的现实意义。在汽车行业中，车企与一级供应商纷纷在辅助驾驶领域发力。开启了以摄像头为主的辅助驾驶之路。对于城市综合道路的辅助驾驶而言，其路况较为复杂，机动车，非机动车，行人等障碍物较多，儿童，宠物，滑板车等小目标也有可能出现。行车系统需要通过摄像头对车辆，行人的精确检测，作为辅助驾驶技术中非常重要的一个基础环节，以摄像头为基础的检测算法精度效率的提升对车辆安全有着重要的意义。近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。在基于深度学习的目标检测算法中，算法的检测精度与检测速度是一个对立项，若要提高检测精度就需要以降低本文档来自技高网...

【技术保护点】
1.一种基于多层信息融合的目标检测算法，其特征在于，包括：/nS1、对数据集图像进行预处理；将图像数据调整到网络设定的尺寸；/nS2、利用Densenet对图像进行不同层次信息的提取，提取四个阶段的特性特征；/nS3、对提取的四个阶段特征进行通道数的规范化；/nS4、对提取的多层次信息进行上下融合，加强不同层次信息的传递，使特征图具有丰富的深层语义信息及浅层的位置信息；/nS5、利用区域建议算法对融合后的多层次信息进行感兴趣区域的提取；/nS6、对感兴趣区域进行精确类别的预测、以及位置坐标的回归；/nS7、计算分类网络与回归网络的多任务损失函数，并对网络进行训练优化，使分类与回归的损失函数达到...

【技术特征摘要】
1.一种基于多层信息融合的目标检测算法，其特征在于，包括：
S1、对数据集图像进行预处理；将图像数据调整到网络设定的尺寸；
S2、利用Densenet对图像进行不同层次信息的提取，提取四个阶段的特性特征；
S3、对提取的四个阶段特征进行通道数的规范化；
S4、对提取的多层次信息进行上下融合，加强不同层次信息的传递，使特征图具有丰富的深层语义信息及浅层的位置信息；
S5、利用区域建议算法对融合后的多层次信息进行感兴趣区域的提取；
S6、对感兴趣区域进行精确类别的预测、以及位置坐标的回归；
S7、计算分类网络与回归网络的多任务损失函数，并对网络进行训练优化，使分类与回归的损失函数达到收敛并保存网络的权重参数
S8、部署优化后的参数，对目标进行检测。


2.根据权利要求1所述的一种基于多层信息融合的目标检测算法，其特征在于，所述步骤S1的具体步骤如下：
S101、对图像进行颜色增强、平移变化、水平以及垂直翻转；
S102、使用线性插值法将所有图像数据放缩到448*448的大小。


3.根据权利要求1所述的一种基于多层信息融合的目标检测算法，其特征在于，所述步骤S2中特征提取的具体方法为：利用搭建的98层Densenet网络对图像进行卷积池化处理，把每个传输层的结果作为输出，得到分辨率为56*56,28*28,17*17,17*17的四个阶段特征图。


4.根据权利要求1所述的一种基于多层信息融合的目标检测算法，其特征在于，所述步骤S3中四个阶段特征进行通道数规范化的具体方法为：使用通道数为256的1*1的卷积分别对四个阶段特征进行卷积操作，将所有阶段特征的维度规范为256。


5.根据权利要求1所述的一种基于多层信息融合的目标检测算法，其特征在于，所述步骤S4中多阶段特征融合的具体方法为：
S401、对相邻的、以及尺寸相同的两个阶段特征进...

【专利技术属性】
技术研发人员：陈宝远，申宇琨，历博，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江;23