【技术实现步骤摘要】
一种基于角度自适应融合的目标检测方法及系统
[0001]本专利技术涉及人工智能
,尤其是一种基于角度自适应融合的目标检测方法及系统。
技术介绍
[0002]随着社会的不断发展,目标检测在我们的日常生活中有着许多应用场景,改善了我们的日常生产和生活方式。作为计算机视觉领域中的基础问题之一,目标检测需要解决的问题是对输入的图像是否存在预定义类别中的实例进行判断,如果存在,则需要返回实例的类别和空间位置信息。也就是说目标检测包含两个子任务:分类和回归。随着计算机算力的大幅提升,目标检测也从传统图像目标检测阶段转变到了基于深度学习的目标检测阶段,目标检测的性能也在不断地刷新和提高。
[0003]尽管目标检测器的性能在不断提升,但仍有一些问题需要解决,比如目标方向多样化问题。在日常生活中物体不会一直保持一个姿势和朝向,导致待检测目标会以任意角度分布在图像中。我们知道卷积神经网络在图像的特征提取方面发挥了很好的作用,而且因为卷积层具有参数共享的特点,所以卷积神经网络对输入具有良好的平移不变性。然而通常的卷积核和卷积操作并未针对目标的角度特性进行设计,因此不具有天然的旋转不变性,尽管后续的池化操作能让卷积神经网络对目标小角度变化起到一定的旋转不变作用,但总体上卷积神经网络对重要的局部和全局图像旋转的处理能力仍然有限。为了提升目标检测算法对物体旋转的鲁棒性,已有工作对此进行了尝试,主要改进方向有三种:一种是对输入图像进行随机旋转以扩充数据集,这是常用的数据增强方式之一;一种是对特征图或卷积核进行多角度旋转,提取目标多方 ...
【技术保护点】
【技术特征摘要】
1.一种基于角度自适应融合的目标检测方法,其特征在于,包括:通过基干网络对输入图像进行特征提取,并从不同阶段的卷积层输出结果中输出对应的第一特征图;通过特征金字塔网络对所述原始特征图进行横向连接降维和自上而下的融合处理,得到第二特征图;通过角度自适应融合金字塔网络,对所述第二特征图进行目标多角度特征提取及融合处理,得到第三特征图;通过检测器头部网络对所述第三特征图进行分类和回归,输出目标检测结果。2.根据权利要求1所述的一种基于角度自适应融合的目标检测方法,其特征在于,所述通过角度自适应融合金字塔网络,对所述第二特征图进行目标多角度特征提取及融合处理,得到第三特征图,包括:通过多角度特征提取模块对输入的所述第二特征图进行处理,得到多张不同角度方向信息且保留浅层细节的第四特征图;通过多特征融合模块对所述第四特征图进行加权融合,获得最终角度自适应融合的第三特征图。3.根据权利要求2所述的一种基于角度自适应融合的目标检测方法,其特征在于,所述通过多角度特征提取模块对输入的所述第二特征图进行处理,得到多张不同角度方向信息且保留浅层细节的第四特征图,包括:采用3
×
3的卷积核对所述第二特征图进行旋转卷积处理,将权重参数对应的位置按旋转角度进行逆时针内旋,输出第五特征图;对所述第五特征图进行自下而上的连接融合,得到第四特征图。4.根据权利要求3所述的一种基于角度自适应融合的目标检测方法,其特征在于,所述采用3
×
3的卷积核对所述第二特征图进行旋转卷积处理,将权重参数对应的位置按旋转角度进行逆时针内旋,输出第五特征图,具体为:配置四条角度偏移为0
°
、90
°
、180
°
、270
°
的偏移卷积支路,用四条所述偏移卷积支路分别提取输入特征图不同方向的特征信息,输出第五特征图。5.根据权利要求4所述的一种基于角度自适应融合的目标检测方法,其特征在于,所述配置四条角度偏移为0
°
、90
°
、180
°
、270
°
的偏移卷积支路,用四条所述偏移卷积支路分别提取输入特征图不同方向的特征信息,输出第五特征图,包括:以一条卷积核大小为3
×
3的卷积支路为基准支路,将所述基准支路作为角度偏移为0
°
的偏移卷积支路;对所述基准支路的卷积核分别进行90
°
、180...
【专利技术属性】
技术研发人员:胡建国,张月,黎昱彤,杨学彬,夏邦,肖辉敏,卢星宇,
申请(专利权)人:中山大学,
类型:发明
国别省市:
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。