一种融合多尺度信息的目标检测方法、系统及计算机设备技术方案

本发明专利技术为克服基于多尺度特征融合的目标检测方法存在极大的计算花销的缺陷，提出一种融合多尺度信息的目标检测方法，包括以下步骤：构建目标检测模型；所述目标检测模型包括输入层，若干基于YOLOF算法的encode层，以及输出层；其中所述若干encode层之间残差连接，且逐层对encode层输出的特征图进行融合后传输至输出层中，输出层输出单个的目标检测结果特征图；采用损失函数对所述目标检测模型进行训练，得到完成训练的目标检测模型；将待目标检测的图像输入所述完成训练的目标检测模型中，所述目标检测模型输出单个特征图作为目标检测结果，能够实现降低计算花销的同时保证最优的目标检测效果。的目标检测效果。的目标检测效果。

【技术实现步骤摘要】
一种融合多尺度信息的目标检测方法、系统及计算机设备


[0001]本专利技术涉及目标检测
，更具体地，涉及一种融合多尺度信息的目标检测方法及系统。

技术介绍

[0002]目标检测是计算机视觉的基本任务之一。以往的网络立志于如何平衡检测精度和检测速度之间的关系。而一阶段网络具有检测速度快的优势，因此被大量应用在各种工业场景中。
[0003]现有目标检测算法基本采用FPN结构结合多尺度特征融合。针对如何对多尺度的特征进行高效的融合，有学者提出PANet为FPN增加了额外的一条融合路径，NAS
‑
FPN利用NAS技术搜索出一条高效的融合图，EfficientDet设计了采取了减少参数的融合方案BiFPN，同时为了性能，多次循环BiFPN。但多尺度特征融合由于需要在多个清晰度的特征层上进行操作，带来了极大的计算花销和参数数量。

技术实现思路

[0004]本专利技术为克服上述现有技术中基于多尺度特征融合的目标检测方法存在极大的计算花销的缺陷，提供一种融合多尺度信息的目标检测方法，及一种融合多尺度信息的系统。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合多尺度信息的目标检测方法，其特征在于，包括以下步骤：S1：构建目标检测模型；所述目标检测模型包括输入层，若干基于YOLOF算法的encode层，以及输出层；其中所述若干encode层之间残差连接，且逐层对encode层输出的特征图进行融合后传输至输出层中，输出层输出单个的目标检测结果特征图；S2：采用损失函数对所述目标检测模型进行训练，得到完成训练的目标检测模型；S3：将待目标检测的图像输入所述完成训练的目标检测模型中，所述目标检测模型输出单个特征图作为目标检测结果。2.根据权利要求1所述的融合多尺度信息的目标检测方法，其特征在于，所述目标检测模型中，逐层对encode层输出的特征图进行融合的步骤包括：对各层encode层输出的特征图设置其占比参数W；对第n层encode层输出的特征图进行融合时，将前n层encode层输出的特征图分别乘以其对应的占比参数后相加，得到第n层的融合特征图L
n
；其表达公式如下：式中，I
i
表示第i层的encode层输出的特征图，W
i
表示特征图I
i
的占比参数。3.根据权利要求2所述的融合多尺度信息的目标检测方法，其特征在于，所述输出层对最后一层的融合特征图L
m
，以及在前各层的融合特征图以预设的权重融合，得到输出的目标检测结果特征图；其表达公式如下：式中，output表示输出的目标检测结果特征图；m为encode层的层数；α1、α2为预设的权重。4.根据权利要求1所述的融合多尺度信息的目标检测方法，其特征在于，所述目标检测模型中，其encode层包括依次连接的1
×
1的卷积层、3
×
3的固定膨胀率的膨胀卷积层、1
×
1的卷积层。5.根据权利要求1所述的融合多尺度信息的目标检测方法，其特征在于，对所述目标检测模型进行训练的步骤...

【专利技术属性】
技术研发人员：席星，吴元清，鲁仁全，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：