一种基于多尺度混合维度网络的目标检测方法及系统技术方案

本发明专利技术属于目标识别技术领域，提供了一种基于多尺度混合维度网络的目标检测方法及系统。该方法包括，将目标图像输入训练好的多尺度混合维度网络，得到的图像经NMS方法去除冗余框后，得到标注目标位置和类别的图像；所述多尺度混合维度网络包括金字塔网络，所述的金字塔网络自上而下的每两个卷积层之间引入混合维度模块。合维度模块。合维度模块。

【技术实现步骤摘要】
一种基于多尺度混合维度网络的目标检测方法及系统


[0001]本专利技术属于目标识别
，尤其涉及一种基于多尺度混合维度网络的目标检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]交通标志的检测是当前计算机视觉和模式识别领域中研究的热点，因智能交通及无人驾驶技术对准确率和实时性要求高，给交通标志检测技术研究带来较大难度。传统交通标志识别算法普遍利用机器学习算法以及图像处理技术对图像的颜色、形状、边缘等进行提取特征和分类回归，如HOG、SIFT等方法，因其对噪声较敏感、计算量大等缺点，普遍存在适应性低、检测效果差、实时性和准确性不平衡的问题。
[0004]随着深度学习的快速发展，基于卷积神经网络的目标检测算法虽然具有更加丰富的特征信息和更强的特征表达能力，但仍需不断完善和改进，达到更好检测效果。Faster
‑
RCNN算法通过交替训练SPPNET和RPN网络完成分类和回归，由于采用选择性搜索方法作用于候选框，重复卷积进行网络计算，导本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度混合维度网络的目标检测方法，其特征在于，包括：将目标图像输入训练好的多尺度混合维度网络，得到的图像经NMS方法去除冗余框后，得到标注目标位置和类别的图像；所述多尺度混合维度网络包括金字塔网络，所述的金字塔网络自上而下的每两个卷积层之间引入混合维度模块。2.根据权利要求1所述的基于多尺度混合维度网络的目标检测方法，其特征在于，所述混合维度模块包括通道注意模块和空间注意模块。3.根据权利要求2所述的基于多尺度混合维度网络的目标检测方法，其特征在于，所述通道注意模块，被配置为：将所述的金字塔网络中上一卷积层的特征作为输入，将经过全局最大值和平均值池化后的特征图传到共享全连接层MLP，将输出的特征进行加和操作和sigmoid激活，得到加权后的特征层。4.根据权利要求2所述的基于多尺度混合维度网络的目标检测方法，其特征在于，所述空间注意模块，被配置为：将通过通道注意模块得到的特征层作为空间模块的输入特征，进行张量拼接，然后卷积操作进行降维，经过激活操作生成空间特征层，最后将该特征层与输入特征相乘，得到最终生成的特征，作为所述的金字塔网络中下一卷积层的输入。5.根据权利要求1所述的基于多尺度混合维度网络的目标检测方法，其特征在于，所述的金字塔网络包括：五个残差模块和输出层，所述五个残差模块经特征融合输入输出层。6.根据权利要求5所述的基于多尺度混合维度网络的目标检测方法，其特征在于，所述五个残差模块中残差块的数目分别是1、2、4、4、23；所述五个残差模块分别输出2倍降采样层、4倍降采样层、8倍降采样层、16倍降采样层、32倍降采样层,所...

【专利技术属性】
技术研发人员：李天平，刘智凤，丁同贺，欧佳瑜，霍文晓，严业金，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：