[发明专利]一种基于改进深度残差网络的弱监督目标检测方法

权利要求书

1.一种基于改进深度残差网络的弱监督目标检测方法，其特征在于：包括以下步骤：

（1）构建网络模型；

选择任意深度残差网络作为主干网络，在深度残差网络和弱监督头部网络之间加入候选区域池化层和冗余自适应脖子网络；其中，候选区域池化层的输入是深度残差网络的图像特征图，输出是候选区域特征图；冗余自适应脖子网络是两层全连接层，第一层全连接层输入是候选区域特征池化层的候选区域特征图；第二层全连接层的输入是第一层全连接层的输出，而弱监督检测头部的输入是第二次全连接层的输出；

（2）采用弱监督数据集对重构后的网络模型进行训练；

（3）给定任意图像，将其输入训练后的网络模型，网络模型输出检测结果。

2.根据权利要求1所述的一种基于改进深度残差网络的弱监督目标检测方法，其特征在于：所述步骤（1）中，在深度残差网络和弱监督头部网络之间加入候选区域特征池化层和冗余自适应脖子网络之前，对深度残差网络的进行重构：

首先，重构深度残差网络的第一阶段：重构后的第一阶段包含一个3×3卷积核、64个输出通道、2×2步长的卷积层、一个3×3卷积核、64个输出通道的卷积层和一个2×2卷积核、2×2步长的最大值池化层；每个卷积层后面连接Relu层和Batch Norm层；

其次，重构深度残差网络中大于1×1步长的卷积层：每个s×s步长、k×k卷积核的卷积层都更换为一个s×s步长、s×s卷积核的最大值池化层和一个1×1步长、k×k卷积核的卷积层，其中，s1。

3.根据权利要求2所述的一种基于改进深度残差网络的弱监督目标检测方法，其特征在于：所述深度残差网络的重构还包括候选区域特征对齐：对深度残差网络的第4、5个阶段中的所有神经层的步长都设为1×1。

4.根据权利要求2所述的一种基于改进深度残差网络的弱监督目标检测方法，其特征在于：所述（3）中，使用非极大值抑制过滤网络模型输出的检测结果，得到最终的检测结果。