[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

摘要

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。

主权项

1.一种用于单阶段物体检测器的增强上下文的方法，包括下列步骤：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；2)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；3)采用多任务的损失函数，包括分类损失函数和检测框精度的损失函数，设计网络训练循环迭代的次数和网络最终收敛条件，并初始化网络参数；4)将训练数据批量的输入到该网络中，进行计算和训练，具体步骤如下：a)将训练数据输入网络中，依次输入到主干网络和分类子网络以及检测框回归网络，计算卷积层特征X∈RH×W×C，其中H×W表示输出的特征图的大小，C表示输出的特征图的通道数；b)计算损失并进行反向传播，按照梯度下降法更新网络权重；c)循环步骤a)～b)，经过多次迭代后，损失收敛，得到训练好的神经网络模型；5)当输入图像时，通过该模型可以计算得到当前图像的中物体的位置和类别。