一种基于多路特征融合及高阶损失感知采样的单阶段目标检测方法技术

本发明专利技术提供了一种于多路特征融合及高阶损失感知采样的单阶段目标检测方法。通过获取待检测图像，并对待检测图像执行预处理；根据预先建立的目标检测网络模型对待检测图像执行检测，获取初步检测结果；目标检测网络模型基于多路特征金字塔网络执行多路特征融合；以及基于高阶损失感知采样机制进行训练；根据初步检测结果计算面积交并比以及非极大值抑制，得到最终的检测结果。相比于现有技术，通过利用提出的多路特征金字塔能够避免低级特征细节和纹理的丢失获取从而获得更加完整的目标特征信息；同时，利用提出的高阶损失感知采样机制能够针对于图像中的每个实例自适应的选出其对应的正样本用于训练，从而达到更好的目标检测效果。标检测效果。标检测效果。

【技术实现步骤摘要】
一种基于多路特征融合及高阶损失感知采样的单阶段目标检测方法


[0001]本专利技术涉及目标检测
，具体而言，涉及一种基于多路特征融合及高阶损失感知采样的单阶段目标检测方法。

技术介绍

[0002]随着深度学习技术的发展，基于深度学习的目标检测技术越来越受到人们的重视，应用范围也逐渐扩大，小到智能手机的摄像头，大到工业生产的流水线，都有目标检测技术的用武之地。传统的目标检测技术需要专业人员针对特定的应用场景，设计相应的特征提取器和分类器，如HOG特征(Histogram of Oriented Gradient简写，代表方向梯度直方图)和SVM分类器(Support Vector Machine简写，代表支持向量机)等。但是传统目标检测检测技术应用场景单一，可移植性与鲁棒性较差，每次重新部署或者改变检测对象都需要重新设计特征提取器与分类器，局限性较大。
[0003]自深度学习技术出现后，目标检测技术也得到了突飞猛进的发展，许多检测框架被提出并且很快就被应用于工业生产和实际生活中。现有的检测框架主要分为单阶段检测框架和双阶段检测框架。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多路特征融合及高阶损失感知采样的单阶段目标检测方法，其特征在于，所述方法包括：获取待检测图像，并对所述待检测图像执行预处理；根据预先建立的目标检测网络模型对所述待检测图像执行检测，获取初步检测结果；所述目标检测网络模型基于多路特征金字塔网络执行多路特征融合；以及基于高阶损失感知采样机制进行训练；根据所述初步检测结果计算面积交并比以及非极大值抑制，得到最终的检测结果。2.根据权利要求1所述的基于多路特征融合及高阶损失感知采样的单阶段目标检测方法，其特征在于，所述对所述待检测图像执行预处理，包括：对所述待检测图像执行像素层面的标准化；对所述待检测图像执行缩放处理，缩放至预定尺寸；其中，所述对所述待检测图像执行像素层面的标准化，包括对于待检测图像任一像素点执行像素标准化处理：mPixel
x
＝(mPixel
x
‑
mPixel
mean
)/mPixelx
std
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，mPixel
x
为待检测图像中的任一像素点像素，mPixel
mean
为待检测图像的像素均值，mPixel
std
为待检测图像的像素标准差。3.根据权利要求1至2任一项所述的基于多路特征融合及高阶损失感知采样的单阶段目标检测方法，其特征在于，所述方法还包括：预先建立目标检测网络模型；所述预先建立目标检测网络模型，包括：获取检测图片的训练集；对训练集的训练图片和测试图片进行图片标准化；建立深度卷积神经网络以及多路特征金字塔，利用高阶损失感知采样机制、损失函数及所述训练集进行训练得到目标检测网络模型。4.根据权利要求3所述的基于多路特征融合及高阶损失感知采样的单阶段目标检测方法，其特征在于，所述获取检测图片的训练集，包括：获取检测图片的训练集，所述训练集包括M张训练图片为X＝{X1,X2,
…
,X
m
,
…
,X
M
}，其中X
m
表示第m张训练图片；所述M张训练图片选取有一一对应的M个标签为Y＝{Y1,Y2,
…
,Y
m
,
…
,Y
M
}，其中Y
m
表示第m张训练图片；所述M个标签中包括相应图片中的N个目标物体的类别与坐标信息为Y
m
＝{P
m,1
,B
m,1
,P
m,2
,B
m,2
,
…
,P
m,n
,B
m,n
,
…
,P
m,N
,B
m,N
}，其中P
m,n
表示第m张图片中的第n个目标物体在所属的类别，且P
m,n
∈{C0,C1,C2,
…
,C
j
,
…
,C
J
}，C表示总的类别，C
j
表示第j个类别，C0表示背景类，J为类别总数，B
m,n
表示第m张图片中的第n个物体的坐标，且B
m,n
＝{x
min
,y
min
,x
max
,y
max
}，分别表示标注物体的矩形框的左上角顶点坐标x
min
、y
min
、右下角顶点坐标x
max
、y
max
。5.根据权利要求3所述的基于多路特征融合及高阶损失感知采样的单阶段目标检测方法，所述对训练集的训练图片和测试图片进行图片标准化，包括：根据预设像素均值和像素标准差，将训练集X中的图片进行像素层面的标准化；再将训练集X中每个训练批次的图片进行缩放，保持图片大小一致；训练集X中的图片进行数据增强操作，其中包括图片亮度与饱和度的随机改变，图片的
随机水平翻转，以及图片的随机裁剪。6.根据权利要求3所述的基于多路特征融合及高阶损失感知采样的单阶段目标检测方法，所述建立深度卷积神经网络以及多路特征金字塔，利用高阶损失感知采样机制、损失函数及所述...

【专利技术属性】
技术研发人员：黄文礼，茆骥，葛绍妹，晏雨晴，陆年生，王柳，
申请(专利权)人：南瑞集团有限公司，
类型：发明
国别省市：