[发明专利]一种基于预测框误差多阶段回环处理的目标检测方法

权利要求书

1.一种基于预测框误差多阶段回环处理的目标检测方法，其特征在于包括下述步骤：

1)预测框生成；

首先在共享卷积网络最后层的特征映射图上，采用锚框方法确定ROI的映射特征；ROI的映射特征经过网络中间层获得特征向量，再经过双胞层全连接计算，在边框回归层上得到对应锚框的边框调节量；按边框调节量对锚框作相应调节，得到预测框形状；在边框分类层上得到预测框类别概率值，即得到带有类别概率值的预测框；

边框回归层包含锚框个数的回归权重组，每个权重组产生一个预测框，边框回归层产生一组预测框；

输入边框除了锚框，也包括回环的预测框；

2)双胞层网络修正

首先计算双胞层损失，包括边框回归损失和边框分类损失，边框回归损失和边框分类损失通过比较预测框和GT框的误差得出的，其中预测框是由第1)步得到；

双胞层损失是边框分类损失和边框回归损失的联合损失，按照如下公式计算：

其中i为锚框索引号，每个锚框对应一个预测框，也可用于预测框索引，N_cls表示分类预测框样本的总数，L_cls表示边框分类网络层得到预测框分类的损失，对于每个预测框，都有对应的类别分值pi，p＝(p₀,Λ,p_K)，包括背景类共有K+1个类，p_i是指第i个预测框得到所有的类别的分值，是指第i预测框对应的真实类别，共有K个真实类别，预测边框分类损失采用交叉熵方法，N_reg表示边框回归样本的总数，预测边框回归损失通过计算预测框b_i和GT框的重合率得到的，采用框与框的差距计算损失，λ为平衡参数；

获得双胞层损失后，通过反向传播调整各自网络权重参数，结合SGD方法端到端反向传播调整网络权重参数；

3)预测框回环处理；

预测框回环的目的是为了得到修正中间网络层的特征向量误差值，预测框回环是将第1)步生成的预测框回环至原图中，得到新的感兴趣区域，通过中间层处理，获得回环预测框的特征向量；

预测框回环前需要对预测框筛选，筛选方法是过滤掉预测框背景类概率值大于全部目标类别概率平均值的预测框，全部类别概率平均值为K为前景类别数；

筛选后的预测框覆盖在原图上，与GT框比较，得到边框差量，包括中心点的偏移和宽高的差量；在计算差量前，过滤掉与GT框重合比值小的预测框；

利用预测框与GT框的差量调整锚框形状，在共享卷积层最后的特征图上，得到新的感兴趣区域，再将新的感兴趣区域通过中间层处理，获得回环预测框的特征向量；

4)中间层网络修正

首先计算中间层损失，由锚框对应的感兴趣区域得出的特征向量与第3)步得到的特征向量通过相似度计算，得到中间层损失量，两个向量相似度计算方式如下：

其中汉明距离是指两个相同长度的向量序列对应位不同的数量；

由公式(2)得到的汉明距离反向传播调整滑窗权重值，通过滑窗与感兴趣区域的反卷积计算，得到权重的调整量，修正滑窗权重；

5)迭代优化处理；

迭代优化为了不断更新预测模型实现对边框精调，即反复以预测框调整感兴趣区域，获得新的特征向量和新的预测框，每次预测框的生成，伴随着双胞层和中间层的修正，重复迭代，当预测框与GT框的IOU达到终止迭代条件，则终止迭代计算。

2.根据权利要求1所述的一种基于预测框误差多阶段回环处理的目标检测方法，其特征在于：

所述扩展锚框数量至25个，即尺度有64、128、256、512，1024五种，长宽比1:3、1:2、1:1、2:1、3:1五种，则一次ROI生成25个预测框。

3.根据权利要求1所述的一种基于预测框误差多阶段回环处理的目标检测方法，其特征在于：

所述迭代终止条件为预测框和GT框的IOU都达到95％时，则终止迭代。