一种基于模态自适应门控重编码网络的目标检测方法技术

本发明专利技术涉及神经网络技术领域，提供一种基于模态自适应门控重编码网络的目标检测方法

【技术实现步骤摘要】
一种基于模态自适应门控重编码网络的目标检测方法


[0001]本专利技术涉及神经网络
，尤其涉及一种基于模态自适应门控重编码网络的目标检测方法
。

技术介绍

[0002]在多变的实际应用场景下，仅根据单模态可见光图像进行显著性目标检测容易出现误判，最大化地利用其他模态信息将会极大地提升显著目标检测的效果，因此针对多模态的显著性目标检测算法的研究以及多模态多层级特征的分析都是十分重要的
。
多模态的显著性目标检测算法被广泛应用，而不同的多模态显著性目标检测任务各有特点，因此需要针对多模态数据进行评估，进而设计出合适的模型
。
[0003]而现有的目标检测算法及相应的网络结构，目标检测算法可以根据技术方法
、
融合方法
、
网络分支结构进行多样式分类，根据技术方法可以将现有算法分为传统模型与深度学习模型，根据融合方法可以将现有算法分为输入融合算法
、
早期融合算法
、
后期融合算法和多尺度融合算法，但是当前算法对于多模态多层级的特征不能进行平本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于模态自适应门控重编码网络的目标检测方法，其特征在于，包括：
S1
：通过多个编码器分别提取单模态图像的多级特征，通过逐像素加法拼接多个所述编码器的最深阶层输出的特征，获得语义特征；
S2
：建立模态自适应门控单元，以所述多级特征和所述语义特征为输入，计算获得所述多级特征的平衡权重，通过所述平衡权重抑制所述多级特征中的低价值特征；
S3
：通过所述模态自适应门控单元融合抑制低价值特征后的多级特征，获得模态自适应平衡特征；
S4
：建立多个重编码器，通过所述重编码器逐级的对所述模态自适应平衡特征进行重新编码；
S5
：建立融合平行式结构及渐进式结构的混合解码器，对重编码后的模态自适应平衡特征进行解码，并在所述混合解码器中建立边缘导引结构，通过所述边缘导引结构输出的边缘导引流，对所述混合解码器的多模态进行边缘噪声抑制；
S6
：选取主干网络，整合多个所述编码器
、
所述模态自适应门控单元
、
多个所述重编码器及所述混合解码器组成整合网络，基于所述整合网络进行目标检测，获得检测结果
。2.
根据权利要求1所述的一种基于模态自适应门控重编码网络的目标检测方法，其特征在于，步骤
S1
中所述多级特征包括多级深度特征和多级
RGB
特征，所述语义特征包括深度语义特征和
RGB
语义特征
。3.
根据权利要求2所述的一种基于模态自适应门控重编码网络的目标检测方法，其特征在于，步骤
S2
中所述平衡权重包括多层感知平衡权重和无多层感知平衡权重
。4.
根据权利要求3所述的一种基于模态自适应门控重编码网络的目标检测方法，其特征在于，所述多层感知平衡权重的表达式为：其中，为多层感知平衡权重，表示隐藏层神经元为
16、
输出层神经元为
1、
输出特征通道数为
64、
激活函数为
Sigmond
的多层感知操作，表示全局平均池化操作，表示输出特征通道数为
64、
激活函数为
Sigmond

【专利技术属性】
技术研发人员：张晓宇，檀盼龙，柳逸文，杨诗博，
申请(专利权)人：南开大学，
类型：发明
国别省市：