申请/专利权人：四川中烟工业有限责任公司;西南科技大学

申请日：2021-09-26

公开（公告）日：2024-03-12

公开（公告）号：CN113808122B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/44;G06V10/82;G06V10/25;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2022.01.04#实质审查的生效;2021.12.17#公开

摘要：本发明公开了一种基于椭圆特征金字塔的烟草甲虫识别方法，包括如下步骤：搭建FasterR‑CNN网络；搭建由Resnet50作为骨干网络的特征金字塔网络，作为FasterR‑CNN的特征提取网络；结合椭圆表达式构建椭圆特征提取模块，并嵌入到由Resnet50作为骨干网络的特征金字塔网络中形成椭圆特征金字塔网络；在烟草甲虫数据集上以椭圆特征金字塔网络进行烟草甲虫识别检测。本发明以FPN网络作为FasterR‑CNN的特征提取网络，使用多层次特征图，以解决单一层次特征图不能同时获取小目标检测所需要的细节和语义特征信息的问题。在FPN网络中加入了椭圆特征提取模块，显著提高烟草甲虫的检测精度。本发明针对卷烟厂中的烟草甲虫进行检测，提高了检测精度，更具实用性。

主权项：1.一种基于椭圆特征金字塔的烟草甲虫识别方法，其特征在于，包括如下步骤：步骤1、搭建FasterR-CNN网络；步骤2、搭建由Resnet50作为骨干网络的特征金字塔网络，作为FasterR-CNN的特征提取网络；步骤3、结合椭圆表达式构建椭圆特征提取模块，并嵌入到由Resnet50作为骨干网络的特征金字塔网络中形成椭圆特征金字塔网络；步骤4、在烟草甲虫数据集上以FasterR-CNN网络进行烟草甲虫识别检测；其中FasterR-CNN网络由特征提取网络、感兴趣区域提取网络以及包含分类和回归两个分支的检测头网络组成；所述搭建由Resnet50作为骨干网络的特征金字塔网络的方法包括：在骨干网络中，将具有相同尺寸特征图的一段网络设为一个块，每两个块之间都采用步长为2的降采样，每一个块所输出的特征图尺寸为前一个块的12，每个块由个数不同的残差块结构堆叠而成，将Resnet50第一到第四个残差块的最后一个卷积层的输出表示为{R1，R2，R3，R4}，特征图通道数分别为64、512、1024和2048，将改进的特征融合网络对应层输出表示为{F1，F2，F3，F4}，由Resnet50作为骨干网络的特征金字塔网络则融合F1、F2、F3和F4层的特征图；步骤3所述的椭圆特征提取模块是基于烟草甲虫形状接近椭圆的事实，根据笛卡尔坐标系下的椭圆方程提取椭圆特征图E： 通过椭圆特征提取模块获得兼具高层语义信息和椭圆外观细节信息的特征图，具体方法为：1将输入特征图R4经过两组卷积操作分别得到特征图x和y，两个特征图分别平方获得x2和y2；2和是一维向量a＝[a1,a2]2并改变维度后得到的两个1×1×1参数，a是对输入特征图进行全局平均池化以及两次全连接后得到的向量，其计算公式为：α＝fC{fC[GAPR4]}2fC表示全连接操作，GAPR4表示对输入特征图R4进行全局平均池化；3将x2、y2、和代入式1得到椭圆特征提取模块的椭圆特征图E；4将椭圆特征图E与椭圆特征提取模块输入特征图R4进行通道连接获得特征图T，再经过一组卷积操作对特征图T进行降维，最终获得输出特征图Output。

全文数据：

权利要求：

百度查询： 四川中烟工业有限责任公司;西南科技大学 一种基于椭圆特征金字塔的烟草甲虫识别方法

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