[发明专利]一种用于单阶段物体检测器的增强上下文的方法

说明书

本发明涉及一种用于单阶段物体检测器的增强上下文的方法：选定物体检测的训练数据集；构建单阶段物体检测器，主要包含两部分：提取特征的主干网络和用于分类和检测框回归的子网络，主干网络选取ResNet50网络，针对分类和和检测框回归的子网络进行改进，设计基于增强上下文方法的分类子网络以及检测器回归的子网络，分类子网络和检测框回归子网络采用相同的设计：由三个膨胀率不同的卷积滤波器构成一个子模块，然后堆叠两个子模块构成子网络；采用多任务的损失函数；训练。

技术领域

本发明属于深度学习和计算机视觉领域，特别涉及一种用于单阶段物体检测器的增强上下文的方法。

背景技术

物体检测是计算机视觉领域极具挑战性的课题。基于深度学习的物体检测取得了显著的成果。已经广泛应用于视频监控、自动驾驶和人机交互等众多领域。

物体检测的目的是区分物体与背景，识别物体类别，同时用检测框准确地定位物体。目前主流的物体检测算法分为两类：双阶段的物体检测算法和单阶段的物体检测算法。双阶段的物体检测算法[1]是将物体检测问题分成了两步：第一步是用区域建议网络产生一些候选区域，第二步对这些候选区域进行分类以及对候选区域位置进行调整。单阶段物体检测算法[2]则是从图像本身出发直接定位物体。相比之下，双阶段物体检测器有更高的检测精度，单阶段检测器的检测速度快效率高。

物体检测的难点在于物体有多个尺度以及物体存在遮挡，已有的物体检测算法利用特征金字塔[3-5]来解决多尺度问题，融入上下文信息[4]处理遮挡问题

参考文献：

[1]Ren S,HeK,GirshickR,etal.FasterR-CNN:towardsreal-timeobjectdetectionwith regionproposalnetworks[C]//InternationalConferenceonNeuralInformationProcessing Systems.MITPress,2015:91-99.

[2]LiuW,AnguelovD,ErhanD,etal.SSD:Single ShotMultiBoxDetector[J].2015:21-37.

[3]Lin TY,DollarP,GirshickR,etal.FeaturePyramidNetworksforObjectDetection[J].2016:936-944.

[4]CaiZ,FanQ,Feris RS,etal.AUnifiedMulti-scaleDeepConvolutionalNeuralNetwork forFastObjectDetection[C]//EuropeanConference onComputerVision.Springer,Cham,2016:354-370.

[5]Lin TY,GoyalP,GirshickR,etal.FocalLoss forDenseObjectDetection[J].2017:2999-3007.

[6]Lin,Tsung-Yi,etal.Microsoftcoco:Commonobjectsincontext.Europeanconference on computervision.Springer,Cham,2014

发明内容

本发明目的在于提供一种提供一种用于单阶段物体检测器的增强上下文的方法,使单阶段检测器能够融入更多的上下文信息，对于小物体和被遮挡物体的检测更加有效，同时也有助于减少虚警。技术方案如下：

一种用于单阶段物体检测器的增强上下文的方法

1)选定物体检测的训练数据集，数据集包含图片和标注，标注含有检测框的位置和物体类别；