【技术实现步骤摘要】
本专利技术涉及计算机视觉图像识别，尤其涉及一种脑启发多尺度自适应神经网络目标检测识别方法和系统。
技术介绍
1、深度学习技术是一种重要的图像目标检测识别方法，其主要作用是对图像或视频内目标进行准确分类或定位，最终结果呈现为以矩形框形式框出图像内目标并给出其分类标签。基于深度学习的图像目标检测识别模型一般由特征提取骨架网络、多尺度特征融合网络、目标分类头网络和目标定位头网络所构成。
2、但现有用于图像或视频目标检测识别的深度学习方法或模型都存在一个显著问题，即多尺度目标的检测识别问题。受该问题制约，当图像内目标的像素面积比较小或比较大，即当目标尺度大范围变化时，检测识别方法或模型的性能会发生较严重的退化。
3、特征金字塔网络(feature pyramid network，fpn，cvpr2015)是一种有效提升深度神经网络多尺度目标检测识别性能的方法，该方法在深度学习骨架网络和分类定位网络之间设置一个金字塔状的特征提取融合网络，进而可为图像目标检测识别提供具有不同感受野的多层级特征图。特征金字塔网络(fpn)实现了两种重要功能：(1)图像多尺度特征融合功能(即将具备不同感受野的层级特征图进行多尺度融合)、(2)目标多尺度检测分治功能(即将不同尺度的目标分配在具备适当感受野的层级特征图上进行特征提取与检测识别)。
4、但特征金字塔网络(fpn)的多尺度特征融合导致检测识别模型参数量较大、计算复杂度较高，进而影响检测识别网络的推理性能。特征金字塔网络(fpn)的目标多尺度分治将不同尺度的目标分配在
技术实现思路
1、本专利技术提供了一种脑启发多尺度自适应神经网络目标检测识别方法和系统，能够解决现有技术中多尺度目标的检测识别性能较差的技术问题。
2、根据本专利技术的一方面，提供了一种脑启发多尺度自适应神经网络目标检测识别方法，所述方法包括：
3、对深度神经网络特征图中g组不同尺度范围的潜在目标进行感兴趣区域提取，得到g组不同尺度范围的感兴趣区域特征图；
4、对g组不同尺度范围的感兴趣区域特征图的空间尺寸进行处理，得到具有相同空间尺寸的g组不同尺度范围的感兴趣区域特征图；
5、对具有相同空间尺寸的g组不同尺度范围的感兴趣区域特征图进行拼接，得到拼接后的多尺度特征图；
6、基于拼接后的多尺度特征图进行目标检测识别，得到目标的类别和坐标；
7、其中，g≥2，且为整数。
8、优选的，对g组不同尺度范围的感兴趣区域特征图的空间尺寸进行处理，得到具有相同空间尺寸的g组不同尺度范围的感兴趣区域特征图包括：将g组不同尺度范围的感兴趣区域特征图分别输入至与g组不同尺度范围一一匹配的g组不同感受野的深度神经网络处理模块，得到具有相同空间尺寸的g组不同尺度范围的感兴趣区域特征图。
9、优选的，不同感受野的深度神经网络处理模块可通过不同膨胀率或不同核尺寸的卷积模块进行构建。
10、优选的，对具有相同空间尺寸的g组不同尺度范围的感兴趣区域特征图进行拼接，得到拼接后的多尺度特征图包括：对具有相同空间尺寸的g组不同尺度范围的感兴趣区域特征图在全部潜在目标数量维度上进行拼接，得到拼接后的多尺度特征图。
11、优选的，基于拼接后的多尺度特征图进行目标检测识别，得到目标的类别和坐标包括：将拼接后的多尺度特征图输入至深度神经网络分类子网络和深度神经网络定位子网络中进行目标检测识别，得到目标的类别和坐标。
12、根据本专利技术的另一方面，提供了一种脑启发多尺度自适应神经网络目标检测识别系统，所述系统包括图像采集装置和计算装置；所述图像采集装置用于对目标进行采集，并输入至所述计算装置；所述计算装置用于基于采集的目标获取包含g组不同尺度范围的潜在目标的深度神经网络特征图；用于对深度神经网络特征图中g组不同尺度范围的潜在目标进行感兴趣区域提取，得到g组不同尺度范围的感兴趣区域特征图；用于对g组不同尺度范围的感兴趣区域特征图的空间尺寸进行处理，得到具有相同空间尺寸的g组不同尺度范围的感兴趣区域特征图；用于对具有相同空间尺寸的g组不同尺度范围的感兴趣区域特征图进行拼接，得到拼接后的多尺度特征图；还用于基于拼接后的多尺度特征图进行目标检测识别，得到目标的类别和坐标；其中，g≥2，且为整数。
13、优选的，所述图像采集装置为具有可见光模态和/或红外模态的成像采集设备。
14、优选的，所述图像采集装置为具有多焦距的成像采集设备。
15、优选的，所述计算装置为工控机或嵌入式计算机。
16、优选的，所述系统还包括输出显示装置，所述输出显示装置用于接收所述计算装置输出的目标的类别和坐标，并对目标的类别和坐标进行输出显示。
17、根据本专利技术的又一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的脑启发多尺度自适应神经网络目标检测识别程序，所述处理器执行所述脑启发多尺度自适应神经网络目标检测识别程序时实现上述任一所述方法。
18、应用本专利技术的技术方案，对深度神经网络特征图中的潜在目标按尺度相似性分组，得到g组不同尺度范围的潜在目标；然后对其进行感兴趣区域提取；再对g组不同尺度范围的感兴趣区域特征图的空间尺寸进行处理，得到具有相同空间尺寸的g组不同尺度范围的感兴趣区域特征图，通过拼接得到拼接后的多尺度特征图，从而实现目标检测识别，提升了图像或视频目标检测识别任务中的多尺度目标检测识别性能。
本文档来自技高网...【技术保护点】
1.一种脑启发多尺度自适应神经网络目标检测识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，对G组不同尺度范围的感兴趣区域特征图的空间尺寸进行处理，得到具有相同空间尺寸的G组不同尺度范围的感兴趣区域特征图包括：将G组不同尺度范围的感兴趣区域特征图分别输入至与G组不同尺度范围一一匹配的G组不同感受野的深度神经网络处理模块，得到具有相同空间尺寸的G组不同尺度范围的感兴趣区域特征图。
3.根据权利要求1所述的方法，其特征在于，不同感受野的深度神经网络处理模块可通过不同膨胀率或不同核尺寸的卷积模块进行构建。
4.根据权利要求1所述的方法，其特征在于，对具有相同空间尺寸的G组不同尺度范围的感兴趣区域特征图进行拼接，得到拼接后的多尺度特征图包括：对具有相同空间尺寸的G组不同尺度范围的感兴趣区域特征图在全部潜在目标数量维度上进行拼接，得到拼接后的多尺度特征图。
5.根据权利要求1所述的方法，其特征在于，基于拼接后的多尺度特征图进行目标检测识别，得到目标的类别和坐标包括：将拼接后的多尺度特征图输入至深度神经网络分类子网
6.一种脑启发多尺度自适应神经网络目标检测识别系统，其特征在于，所述系统包括图像采集装置和计算装置；所述图像采集装置用于对目标进行采集，并输入至所述计算装置；所述计算装置用于基于采集的目标获取包含G组不同尺度范围的潜在目标的深度神经网络特征图；用于对深度神经网络特征图中G组不同尺度范围的潜在目标进行感兴趣区域提取，得到G组不同尺度范围的感兴趣区域特征图；用于对G组不同尺度范围的感兴趣区域特征图的空间尺寸进行处理，得到具有相同空间尺寸的G组不同尺度范围的感兴趣区域特征图；用于对具有相同空间尺寸的G组不同尺度范围的感兴趣区域特征图进行拼接，得到拼接后的多尺度特征图；还用于基于拼接后的多尺度特征图进行目标检测识别，得到目标的类别和坐标；其中，G≥2，且为整数。
7.根据权利要求6所述的系统，其特征在于，所述图像采集装置为具有可见光模态和/或红外模态的成像采集设备。
8.根据权利要求6或7所述的系统，其特征在于，所述图像采集装置为具有多焦距的成像采集设备。
9.根据权利要求6-8中任一所述的系统，其特征在于，所述计算装置为工控机或嵌入式计算机。
10.根据权利要求6所述的系统，其特征在于，所述系统还包括输出显示装置，所述输出显示装置用于接收所述计算装置输出的目标的类别和坐标，并对目标的类别和坐标进行输出显示。
11.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的脑启发多尺度自适应神经网络目标检测识别程序，所述处理器执行所述脑启发多尺度自适应神经网络目标检测识别程序时实现权利要求1至5任一所述方法。
...【技术特征摘要】
1.一种脑启发多尺度自适应神经网络目标检测识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，对g组不同尺度范围的感兴趣区域特征图的空间尺寸进行处理，得到具有相同空间尺寸的g组不同尺度范围的感兴趣区域特征图包括：将g组不同尺度范围的感兴趣区域特征图分别输入至与g组不同尺度范围一一匹配的g组不同感受野的深度神经网络处理模块，得到具有相同空间尺寸的g组不同尺度范围的感兴趣区域特征图。
3.根据权利要求1所述的方法，其特征在于，不同感受野的深度神经网络处理模块可通过不同膨胀率或不同核尺寸的卷积模块进行构建。
4.根据权利要求1所述的方法，其特征在于，对具有相同空间尺寸的g组不同尺度范围的感兴趣区域特征图进行拼接，得到拼接后的多尺度特征图包括：对具有相同空间尺寸的g组不同尺度范围的感兴趣区域特征图在全部潜在目标数量维度上进行拼接，得到拼接后的多尺度特征图。
5.根据权利要求1所述的方法，其特征在于，基于拼接后的多尺度特征图进行目标检测识别，得到目标的类别和坐标包括：将拼接后的多尺度特征图输入至深度神经网络分类子网络和深度神经网络定位子网络中进行目标检测识别，得到目标的类别和坐标。
6.一种脑启发多尺度自适应神经网络目标检测识别系统，其特征在于，所述系统包括图像采集装置和计算装置；所述图像采集装置用于对目标进行采集，并输入至所述计算装置；所述计算...
【专利技术属性】
技术研发人员：张金鹏，马喆，康梦雪，黄旭辉，
申请(专利权)人：航天科工集团智能科技研究院有限公司，
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。