用于图像目标检测处理的锚框生成方法及轻量级目标检测方法技术

本发明专利技术公开了一种用于图像目标检测处理的锚框生成方法及轻量级目标检测方法，属于图像目标检测技术领域。本发明专利技术提出的锚框生成方式，基于自身数据集的不同，生成更适合自身应用场景的预选框，以代替当前基于锚点检测器的人工设置或K‑means生成方式；同时基于本发明专利技术的锚框生成方式提出了一种用于目标检测处理的轻量级目标检测方法，进而提升目标检测处理在计算量、FPS和复杂度等方面的检测性能。本发明专利技术在生成锚框生时，采用基于密度的方法对数据集中的真实盒进行聚类，以获得盒的最优长度和宽度，降低后续计算的复杂度。以及采用多尺度输出对不同尺度的物体进行预测，采取多层次输出检测结果；同时)利用分离卷积来改进基本卷积层，降低模型的复杂度。

【技术实现步骤摘要】
用于图像目标检测处理的锚框生成方法及轻量级目标检测方法
本专利技术属于图像目标检测
，具体涉及一种基于深度学习的轻量级目标检测方案。
技术介绍
目标检测是计算机视觉三大基础问题之一，在自动驾驶、图像/视频检索、视频监控等领域有着重要的应用，目标检测领域的研究具有十分重要的意义。在目标检测领域添加或改进的任何组件如果带来了新的计算瓶颈，在实际应用中，实际效果就会因场景不同而变化，往往会更糟。但是，如果对基本构件的改进能够在不影响再训练模型的情况下提高整个场景的有效性，那么这种改进将会被广泛接受，具有良好的应用前景。在目标检测中，通常先设置一些候选框，然后通过网络逐层回归这些框。这些候选框应该具有代表性，能够广泛的代表实际场景中框的大小。否则，框将很难回归，最终的预测框也不适合真实框。在两阶段检测器Faster-RCNN(FasterR-CNN:TowardsReal-timeObjectDetectionwithRegionProposalNetworks)中，手动设置长宽比和图像大小，设定锚框(锚盒)，最终通过锚框生成种不本文档来自技高网...

【技术保护点】
1.用于图像目标检测处理的锚框生成方法，其特征在于，包括下列步骤：/n101：通过真实数据集的目标的真实框分布情况，确定真实框的长和宽；/n102：在真实框的长和宽所在的二维平面，基于每个真实框的长和宽的值得到表征每个真实框的点，基于所有真实框的点到点集P；/n103：基于点集P，对真实框进行聚类处理：/n103-1：随机从点集P中选取一个未访问的点，作为中心点，记为点P

【技术特征摘要】
1.用于图像目标检测处理的锚框生成方法，其特征在于，包括下列步骤：
101：通过真实数据集的目标的真实框分布情况，确定真实框的长和宽；
102：在真实框的长和宽所在的二维平面，基于每个真实框的长和宽的值得到表征每个真实框的点，基于所有真实框的点到点集P；
103：基于点集P，对真实框进行聚类处理：
103-1：随机从点集P中选取一个未访问的点，作为中心点，记为点Pc；
基于设置的距离度量方式，查找距当前中心点Pc的距离在预设距离阈值dth之内的所有点，记为集合M，并将集合M中各点的聚类标记为c；
所述距离度量方式为：D(a,b)＝1-IOU(a,b)，其中，D(a,b)表示真实框a,b之间的距离度量值，IOU(a,b)表示真实框a,b之间的交并比；
103-2：计算从中心点Pc到集合M中的每个点之间的向量，并对计算出来的所有向量进行累加，得到向量vector；
103-3：更新中心点Pc：将中心点Pc沿着从坐标原点到中心点Pc的方向移动，移动的距离为：||vector||；
103-4：基于更新后的中心点Pc，重复执行步骤103-2至103-3，直到||vector||小于预设的阈值，记录当前中心点Pc；
103-5：计算簇类c与当前已存在簇类c′的中心点之间的欧式距离，若该欧式距离小于阈值，则将簇类c与c′合并，合并后的簇类记为c′，并从合并的两个簇类的中心点中随机选取一个作为合并后的簇类的中心点；或取两个中心点之间的中点作为合并后的簇类的中心点；
若簇类c与当前已存在簇类c′的中心点之间的欧式距离大于或等于阈值，则将簇类c作为新的聚类；
103-6：重复步骤103-1至103-5，直到点集P的所有点均被标记访问；
104：基于步骤103得到的簇类数确定锚框的数量，并基于每个簇类的中心点的位置坐标所对应的长和宽确定锚框尺寸。


2.一种基于深度学习的轻量级目标检测方法，其特征在于，包括下列步骤：
步骤S1、构建轻量级目标检测模型：
所述轻量级目标检测模型从输入到输出依次包括：卷积层conv1、池化层pool1、第一分离卷积块、L个基础骨架网络和L+1个输出层；
其中，基础骨架网络之间通过一个卷积层连接；
第一个基础骨架网络的输入与第一分离卷积块相连；其中，分离卷积块包括三层分离卷积；分离卷积包括1×3的和3×1卷积核，用于对输入数据先进...

【专利技术属性】
技术研发人员：饶云波，郭毅，程奕茗，薛俊民，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51