一种用于目标检测的加权特征金字塔网络制造技术

本发明专利技术公开了一种用于目标检测的加权特征金字塔网络，包括以下步骤：获取模型的特征层：{C2，C3，C4，C5}和{D2，D3，D4}；建立高斯矩阵；计算C4和D4之间的差异：将特征层C4和D4之间的差异记为a，则a＝|x

【技术实现步骤摘要】
一种用于目标检测的加权特征金字塔网络


[0001]本专利技术涉及通信
，具体是指一种用于目标检测的加权特征金字塔网络。

技术介绍

[0002]随着时代的进步，人们对生活的便捷性和高效性在逐步提高，而人工智能中的计算机视觉领域对我们生活质量的提高起着重要的作用，例如日常生活中经常用到的扫脸付款，利用面部动作进行身份认证等功能，除此之外，火车站刷脸进站、公路上车辆违章检测以及电子眼等功能也都与计算机视觉领域中的目标检测技术有着十分密切的联系。为了使这些科学技术更好的服务于人类，如何提升这些功能的性能就成了目标检测技术的重点。目标检测技术是近些年来计算机视觉领域研究的热点，是智能监控系统和各类计算机学科的核心部分，对后续的图像分割等任务起着至关重要的作用。所以，如果目标检测技术得出的结果准确率不高或者出现无法识别目标的情况，那么就会对很多人们的生活环境和质量产生重大影响，甚至还会引发一些潜在的社会问题。例如：违禁品检测错误或未检测到就会带来难以预料的危害，人脸识别错误也可能会导致支付宝被他人冒充使用以及人脸无法识别或者识别错误也会使罪犯逍遥法外本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于目标检测的加权特征金字塔网络，其特征在于，包括以下步骤：步骤1、获取模型的特征层：使用特征金字塔网络特征层中最下层的特征层，在特征金字塔网络中表示为{C2，C3，C4，C5}；在C5上附加一个1
×
1的卷积层，经过卷积后将得到的结果表示为特征层D5；在D5上附加一个3
×
3的卷积层，经过卷积后将得到的结果表示为特征层P5；在P5上进行一个上采样操作，将结果表示为D4；降低C4的通道数，融合特征层C4和特征层D4，并使用一个3
×
3卷积层获得特征层P4；在C4上附加一个1
×
1卷积层；在P4上进行一个上采样操作，将结果表示为特征层D3；降低C3的通道数，融合特征层C3和特征层D3，并使用一个3
×
3卷积层获得特征层P3；特征层C2上附加一个1
×
1卷积层；在P3上附加一个上采样过程，将结果表示为特征层D2；降低C2的通道数，融合特征层C2和特征层D2，并使用3
×
3卷积层获得特征层P2；最终得到特征层：{C2，C3，C4，C5}和{D2，D3，D4}；步骤2、建立高斯矩阵：对数据进行归一化处理：由于数据集合中包含多个特征层，故使用特征层C4和特征层D4计算权重；由于特征层C4和D4形状大小一致，选择以C4为基础特征层来设计高斯矩阵；将特征层C4层的宽度和高度，分别表示为W和H，故矩阵中心的坐标为((H
‑
1)/2，(W
‑
1)/2)；公式(1)就是高斯核公式；其中，r和c是矩阵中每个点对应的横坐标和纵坐标；σ...

【专利技术属性】
技术研发人员：赵云龙，
申请(专利权)人：上海弘积信息科技有限公司，
类型：发明
国别省市：