申请/专利权人:佛山市南海区广工大数控装备协同创新研究院
申请日:2020-12-14
公开(公告)日:2021-01-12
公开(公告)号:CN112215228A
主分类号:G06K9/32(20060101)
分类号:G06K9/32(20060101);G06N3/04(20060101)
优先权:
专利状态码:有效-授权
法律状态:2021.03.16#授权;2021.01.29#实质审查的生效;2021.01.12#公开
摘要:本发明提供了通过直接模仿两阶段特征搭建高效框架的方法,包括:S1、以resnet101和FPN网络构建模型的特征金字塔网络骨干网络;S2、在FPN中提取特征后,采用Refinement模块过滤掉负面影响,调整预定义锚盒的位置和大小;S3、二阶段检测头的分支,检测Refinement模块调整后锚盒的稀疏集,将T‑head分成两个分支进行分类和回归;S4、一阶段检测头的分支,将其设计成一个轻量级的网络;S5、定义训练的损失函数,提升一阶段检测器的精度,使一阶段检测器更容易获得有用的信息,使得在不增加计算成本的情况下,更能获得二阶段检测头的高精度和一阶段检测头的高效率。
主权项:1.通过直接模仿两阶段特征搭建高效框架的方法,其特征在于,包括如下步骤:S1、以resnet101和FPN网络构建模型的特征金字塔网络骨干网络;S2、在FPN中提取特征后,采用Refinement模块过滤掉容易产生的负面影响,调整预定义锚盒的位置和大小,可以缓解极端类不平衡问题,在训练一阶段和二阶段检测器时提供更好的锚点初始化;S3、二阶段检测头的分支,检测Refinement模块调整后锚盒的稀疏集,采用RoIAlign操作,为每个锚框生成7×7分辨率的位置敏感特征,然后将T-head分成两个分支进行分类和回归;S4、一阶段检测头的分支,将其设计成一个轻量级的网络,可以克服特征不对称,并学习通过模仿二阶段检测器来提取高质量的特征;S5、定义训练的损失函数,包含四个部分模拟损失、一阶段损失、二阶段的损失,Refinement模块的损失,利用缩小一阶段和二阶段检测器的结果差值损失来提升一阶段检测器的精度。
全文数据:
权利要求:
百度查询: 佛山市南海区广工大数控装备协同创新研究院 通过直接模仿两阶段特征搭建高效框架的方法
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。