[发明专利]一种基于粗细粒度复合卷积的多分支对象检测方法

摘要

本发明公开了一种基于粗细粒度复合卷积的多分支对象检测方法，首先，找出初始卷积网络中用于执行相关任务的特征层作为复合卷积的主干分支的输入。然后，为了找到适合细粒度分支的输入，先计算网络中的各层特征所对应的感受野，通过感受野的大小的比较，找出与主干分支对应的细粒度分支的输入特征层，利用复合卷积计算得到复合了主干分支输入特征和各细粒度分支输入特征的综合特征。最后，通过体现不同粒度特征的综合特征替代传统卷积网络中用于执行相关任务的单粒度特征，且通过构造多个包含不同粒度特征的综合特征检测分支实现多尺度的检测。本发明提高了对象检测与识别的精度，加快了基于复合卷积的神经网络的训练收敛速度。

主权项

1.一种基于粗细粒度复合卷积的多分支对象检测方法，其特征在于，包括以下步骤：步骤1：基于初始卷积神经网络Netoriginal，确定执行特定任务的n个特征层L1,L2,...,Ln，对应的特征图x1,x2,...,xn作为复合卷积的主干分支输入；步骤2：计算卷积神经网络Netoriginal各个卷积层中的特征图所对应的感受野；步骤3：根据各层的感受野，确定若干需要被复合的特征层，被复合的特征层作为复合卷积的细粒度分支输入；步骤4：对复合卷积的主干分支和细粒度分支进行复合卷积计算，n个特征层对应n个复合卷积输出；步骤5：把n个复合卷积的输出替换主干分支的输入层L1,L2,...,Ln，在新的卷积网络中，n个复合特征代替初始卷积神经网络的单粒度特征，执行对应的任务。