申请/专利权人：西北工业大学

申请日：2020-03-13

公开（公告）日：2020-07-03

公开（公告）号：CN111368775A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/46(20060101);G06K9/62(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的视为撤回

法律状态：2022.12.23#发明专利申请公布后的视为撤回;2020.07.28#实质审查的生效;2020.07.03#公开

摘要：本发明涉及一种基于局部上下文感知的复杂场景密集目标检测方法，使用深度残差网络Res101提取图像的特征，利用特征金字塔网络FPN进一步提取特征并生成感兴趣区域，生成候选区域后，提取候选区域的局部上下文信息，使用特征池化对齐特征，利用全连接层对特征进行分类，生成目标类别及边框。

主权项：1.一种基于局部上下文感知的复杂场景密集目标检测方法，其特征在于步骤如下：步骤1：对于每一张输入神经网络的尺寸为1024*1024的图像，经过Res101残差网络提取特征后，生成6种不同大小的特征图featuremap，记为C1～C6，尺度分别为512*512,256*256,128*128,64*64,32*32,16*16，选择C2、C3、C4和C5建立特征金字塔；步骤2：根据C2、C3、C4和C5生成特征金字塔，结果记为P2、P3、P4和P5；其中P2、P3、P4是将高层特征下采样，并与经过1*1卷积的同层C2、C3、C4特征相加；步骤3：特征金字塔中的每张特征图使用区域生成网络生成锚点anchor的时候只使用一种尺寸，P2、P3、P4、P5和P6分别对应322、642、1282、2562和5122，每个anchor对应的宽高比为1:2，1:1和2:1；使用锚点anchor生成候选区域proposals时，采取的计算公式为： 生成局部上下文的候选区域lc_proposals时，采取的计算公式为： 其中，xc,yc分别为预测的anchor点坐标，w,h分别为预测proposals的宽度和高度；x1,y1和x2,y2为proposals的左上角和右下角坐标；x1′,y1′和x2′,y2′为lc_proposals的左上角和右下角坐标；步骤4：因为4种尺度的特征图上都有从原图上的anchor映射过来的proposals，所以使用特征池化的时候，也必须对应4种不同的特征层，采用如下公式计算特征池化对应的特征层： 其中，w和h为对应的proposals的尺寸，1024为原图尺寸，k0为基准值，设置为4；由于P2、P3、P4和P5为特征金字塔的特征图，因此对应特征层的取值规则为： 特征金字塔中的每张特征图中的proposals经过对应的特征池化层，分别输出7*7的结果，也就是这4张特征图上的proposals经过特征池化之后，提取出了49个特征；局部上下文操作的流程与对应的proposals完全相同；步骤5：把局部上下文和对应的proposals的7*7结果分布连接两个全连接层，两个全连接层输出结果为目标类别和目标边界框。

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于局部上下文感知的复杂场景密集目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD