一种基于改进的特征金字塔网络的目标检测方法及系统技术方案

本发明专利技术提出了一种基于改进的特征金字塔网络的目标检测方法及系统，包括以下步骤：获取待检测识别的目标图像；将所述目标图像输入至目标识别检测模型，得到目标检测结果；其中，所述目标识别检测模型包括特征提取部分、融合部分和检测头部分；融合部分将所提取的具有强语义信息的高层特征图与具有丰富位置信息的低级特征图相融合，不仅可以进一步提取更细化的特征，而且更有利于小物体的检测。而且更有利于小物体的检测。而且更有利于小物体的检测。

【技术实现步骤摘要】
一种基于改进的特征金字塔网络的目标检测方法及系统


[0001]本专利技术属于目标识别相关
，尤其涉及一种基于改进的特征金字塔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]为了提高单级物体探测器的精度，大多数物体检测器使用特征金字塔网络(FPN)结构来优化不同级别的特征。特征金字塔网络将不同大小的对象分发到不同的要素图层进行检测。随着网络的不断深入，特征图的语义信息更加丰富，而浅层特征的位置信息则更加丰富。为了使下层特征获得更多的语义信息特征金字塔网络提出了自上而下的结构，将特征图从高层传递到低层次，以增强浅层特征图的语义信息。特征金字塔网络缓解了多尺度检测的难度，获得了更好的物体特征。
[0004]对象检测是计算机视觉中一项重要但具有挑战性的任务，它需要对数字图像中的对象进行分类和定位。它构成了许多视觉应用的基础，包括实例分割、对象跟踪和自动驾驶。所有基于CNN的物体探测器可以分为两类：基于锚点的探测器和无锚探测器。前者由两阶段方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进的特征金字塔网络的目标检测方法，其特征在于，包括以下步骤：获取待检测识别的目标图像；将所述目标图像输入至目标识别检测模型，得到目标检测结果；其中，所述目标识别检测模型包括特征提取部分、融合部分和检测头部分；所述特征提取部分对所述目标图像进行特征提取，得到不同尺度的特征图；所述融合部分将不同尺度的特征图进行堆叠操作，得到特征金字塔；所述检测头部分根据所述特征金字塔，得到所述待检测识别的目标图像的检测结果。2.如权利要求1所述的一种基于改进的特征金字塔网络的目标检测方法，其特征在于，所述特征提取部分采用ResNet
‑
50主干网络，所述ResNet
‑
50主干网络对待检测的目标图像进行特征提取，得到目标图像不同尺度的特征图{C3,C4,C5}，将所获得的不同尺寸的特征图分别经过3
×
3卷积操作后得到了对应大小的特征图分别为{N3,N4,N5}。3.如权利要求2所述的一种基于改进的特征金字塔网络的目标检测方法，其特征在于，所述融合部分，通过下采样操作将特征图N3,N4缩放成特征图N5相同的大小，然后通过concat操作将N3,N4缩放后的特征图与特征图N5进行融合。4.如权利要求2所述的一种基于改进的特征金字塔网络的目标检测方法，其特征在于，将融合部分的输出分别与经过1
×
1卷积的{C3,C4,C5}做concat操作，然后作为改进特征金字塔网络的输入，所述改进特征金字塔具体为：将原始特征金字塔网络内部3*3卷积替换成倒置残差模块，对所述倒置残差模块的输入先使用1
×
1卷积进行升维操作，然后通过3
×
3DW卷积进行特征提取，最后通过1
×
1卷积进行降维操作。5.如权利要求4所述的一种基于改进的特征金字塔网络的目标检测方法，其特征在于，将融合部分的输出经过3
×
3卷积下采样操作得到特征图P6，将特征图P6经过3
×

【专利技术属性】
技术研发人员：李天平，韩宇，丁同贺，李冠兴，崔朝童，李萌，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：