[发明专利]一种基于遮挡类型预测的物体检测方法

摘要

本发明涉及一种基于遮挡类型预测的深度学习物体检测方法，包括：收集包含多种不同类别物体的图像，并标注每张图像中的所有感兴趣物体；设计基于遮挡类型预测的深度学习物体检测算法，用以有效实现物体检测，根据得到的候选检测框，使用候选区域池化层，将每一个候选检测框对应的特征图裁剪到同一大小，遮挡类别分类网络连接在这一特征上，由两个全连接层，和一个逻辑回归层组成，预测每一个候选检测框的遮挡类别；根据遮挡类别分类网络的结果，不同遮挡类别的物体将会使用对应的物体检测网络，物体检测网络由两个全连接层和逻辑回归层，预测每一个候选检测框的类别和位置；模型训练。

主权项

1.一种基于遮挡类型预测的深度学习物体检测方法，包括下列步骤：1)收集包含多种不同类别物体的图像，并标注每张图像中的所有感兴趣物体，标注内容包括物体的位置和类别，以及该物体的遮挡类别；2)图像集划分；将收集的图像划分为训练集，验证集和测试集，训练集用于训练卷积神经网络，验证集用于选择最佳的训练模型，测试集为后续测试模型效果或者实际应用时使用；3)设计基于遮挡类型预测的深度学习物体检测算法，用以有效实现物体检测，包括：①设计主干网络；包括多个卷积块，每个卷积块由多个卷积层构成，不同卷积块之间由池化层连接；②设计物体候选框提取网络：物体候选框提取网络连接在主干网络的特征层上，由多个卷积层组成，得到特征图每个位置属于物体的概率和位置偏移量，根据相关概率和位置偏移量可以得到输入图像的候选检测框；③设计遮挡类别分类网络：根据得到的候选检测框，使用候选区域池化层，将每一个候选检测框对应的特征图裁剪到同一大小，遮挡类别分类网络连接在这一特征上，由两个全连接层，和一个逻辑回归层组成，预测每一个候选检测框的遮挡类别；④设计基于遮挡类别的物体检测网络，根据遮挡类别分类网络的结果，不同遮挡类别的物体将会使用对应的物体检测网络，物体检测网络由两个全连接层和逻辑回归层，预测每一个候选检测框的类别和位置；⑤使用非极大值抑制对上一步中得到的重叠度较高的物体检测窗口进行合并，得到最终的物体检测结果；⑥选择合适的损失函数，设置训练迭代次数，初始化参数；4)输入数据，前向计算预测结果和损失代价，通过反向传播算法计算参数的梯度并更新参数；迭代的更新参数，待代价函数曲线收敛时，模型训练完毕；5)将训练好的模型应用于测试或实际应用中，当输入图像时，通过该模型可以计算得到图像物体检测结果，辅助实际应用场景中的决策。