[发明专利]一种基于优化候选区域的Faster R-CNN目标检测方法

摘要

本发明公开了一种基于优化候选区域的Faster R‑CNN目标检测方法，该检测方法包含如下优化技术：在Faster R‑CNN网络中增加一个候选区域优化网络，对候选区域生成网络输出的目标候选区域进行目标或背景的二分类判别，排除判别为背景的无效候选区域，可以减少后续目标分类回归网络的计算量。本发明提出的目标检测方法，利用一个候选区域优化网络对Faster R‑CNN算法中的候选区域进行优化，减少候选区域生成网络输出的无效候选区域，在检测准确率基本保持不变的前提下，有效地提高了目标检测的效率。

主权项

一种基于优化候选区域的Faster R‑CNN目标检测方法，其特征在于，所述检测方法包括下列步骤：S1、以深度学习CAFFE框架为实现平台，在原始的Faster R‑CNN网络中增加一个候选区域优化网络，通过候选区域优化网络构成一个区域二分类器，候选区域优化网络的输入为候选区域生成网络的第一个卷积层输出的特征图和候选区域生成网络输出的目标候选区域，输出为优化的目标候选区域，其中第一个卷积层即特征映射层；S2、利用卷积特征提取网络对输入图像进行特征提取，生成共享特征图；S3、利用候选区域生成网络对生成的共享特征图进行处理，生成多种尺度和长宽比的目标候选区域；S4、候选区域优化网络根据目标候选区域所包含的特征对目标候选区域进行目标/背景的二分类判别，然后排除被判别为背景的无效候选区域，得到优化后的目标候选区域；S5、目标分类回归网络根据优化后的目标候选区域，从生成的共享特征图中提取区域特征，进行最终的目标类别判别以及目标边界框回归修正。