一种轻量级视觉目标检测方法及系统技术方案

技术编号:26172944 阅读:39 留言:0更新日期:2020-10-31 13:53
本发明专利技术提供一种轻量级视觉目标检测方法及系统,包括:利用骨干网络初步提取待检测图像中的目标特征;所述骨干网络包括特征提取器;所述特征提取器包括密集块和过渡块,每两个密集块之间是过渡块,所述密集块为双路轻量级密集块,其两个分支共享一个标准卷积和深度卷积以减少计算量,使得所述密集块为轻量级;利用检测头部对所述目标特征标特征进行多层检测,以及使用特征金字塔进行多尺度特征融合,以对不同尺度的目标特征分别进行检测,来确定待检测图像中不同目标的位置和不同目标的类别。本发明专利技术具有训练便捷、参数量更少,计算成本低、检测精度高等优点。

【技术实现步骤摘要】
一种轻量级视觉目标检测方法及系统
本专利技术属于计算机视觉与模式识别领域,更具体地,涉及一种轻量级视觉目标检测方法及系统。
技术介绍
目标检测是计算机视觉和数字图像处理的重要分支,广泛应用于智能视频监控、工业检测等诸多领域。目标检测是智能监控系统的核心部分,对后续的人脸识别、步态识别、人群计数、实例分割等任务起着至关重要的作用。通过目标检测等计算机视觉算法减少繁琐复杂的工作对人力资源的消耗,具有重要的现实意义。随着计算机视觉的发展,近年来目标检测取得了长足的进步,基于深度学习的目标检测技术在计算精度和计算速度上都取得了突破性的进展,并逐步应用于现实生产生活中。随着摄像头等终端设备的智能化发展,越来越多的智能视频分析任务要求能够在终端设备中完成,对于能搭载在监控摄像头等终端设备中的轻量级目标检测模型的需求也日益增大。但现有的目标检测网络存在计算成本高、模型存储大等缺点,大多不能应用于计算能力和存储资源有限的设备。因此,在严格内存和计算预算的条件下实现高效的轻量级目标检测网络成为了国内外科研工作者的研究热点。传统的目标检测方法包括三个步骤:本文档来自技高网...

【技术保护点】
1.一种轻量级视觉目标检测方法,其特征在于,包括如下步骤:/n利用骨干网络初步提取待检测图像中的目标特征;所述骨干网络包括特征提取器;所述特征提取器包括密集块和过渡块,每两个密集块之间是过渡块,所述密集块为双路轻量级密集块,其中两个分支共享一个标准卷积和深度卷积以减少计算量,使得所述密集块为轻量级;/n利用检测头部对所述目标特征标特征进行多层检测,以及使用特征金字塔进行多尺度特征融合,以对不同尺度的目标特征分别进行检测,来确定待检测图像中不同目标的位置和不同目标的类别。/n

【技术特征摘要】
1.一种轻量级视觉目标检测方法,其特征在于,包括如下步骤:
利用骨干网络初步提取待检测图像中的目标特征;所述骨干网络包括特征提取器;所述特征提取器包括密集块和过渡块,每两个密集块之间是过渡块,所述密集块为双路轻量级密集块,其中两个分支共享一个标准卷积和深度卷积以减少计算量,使得所述密集块为轻量级;
利用检测头部对所述目标特征标特征进行多层检测,以及使用特征金字塔进行多尺度特征融合,以对不同尺度的目标特征分别进行检测,来确定待检测图像中不同目标的位置和不同目标的类别。


2.根据权利要求1所述的轻量级视觉目标检测方法,其特征在于,所述双路轻量级密集块的一条分支使用一个标准卷积和深度卷积捕获小目标,另一条分支使用一个标准卷积和两个串联的深度卷积学习语义特征以捕获大目标;两条分支共享标准卷积和一个深度卷积。


3.根据权利要求1或2所述的轻量级视觉目标检测方法,其特征在于,还包括如下步骤:
在所述检测头部引入基于深度学习的注意力机制,在检测头部添加注意力预测块,以提高检测精度的同时保持较小的开销。


4.根据权利要求1或2所述的轻量级视觉目标检测方法,其特征在于,所述骨干网络还包括直联块,所述直联块为一系列卷积块,用于提高待检测图像的特征表达能力。


5.根据权利要求1或2所述的轻量级视觉目标检测方法,其特征在于,使用特征金字塔进行多尺度特征融合时,采用双线性插值的方式进行上采样以融合特征。


6.根据权利要求1或2所述的轻...

【专利技术属性】
技术研发人员:凌贺飞张丽黄昌喜
申请(专利权)人:元神科技杭州有限公司
类型:发明
国别省市:浙江;33

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1