[发明专利]基于有效感受野的单阶段多尺度特定目标的实时检测方法

摘要

本发明提供了基于有效感受野的单阶段多尺度特定目标的实时检测方法。该方法首先是从SSD的多尺度架构中提取出相应的特征层，并根据感受野覆盖的像素范围来选择尺度；其次，我们移除了传统方法中的anchor结构，采用更少的特征层，利用天然感受野的特性直接对特征图的对应的感受野框进行分类和回归。最后采用RF(感受野)采样框置灰学习策略，避免学习冗杂多余参数。本方法大大降低了传统基于anchor采样框的算法复杂度，提高了检测的效率并能够达到实时的效果，在数据量非常大的应用背景下非常具有使用价值。

主权项

1.一个基于有效感受野的单阶段多尺度特定目标的实时检测方法，其特征包括以下步骤：(1)基于SSD的多尺度架构(2)构建轻量级网络，提取相应特征层构建了一个FCN全卷积网络，根据有效感受野覆盖的像素范围来选择相应网络层，分别提取了conv10_3，conv13_3，conv15_3，conv_17_3，conv_19_3相应的特征图大小分别分83x83，41x41，41x41，41x41，20x20，步长为4,8,8,8,16，感受野尺寸为71,111,143,175,223；(3)训练网络训练阶段，利用天然感受野的特性，直接对不同尺度特征图对应的每个感受野框进行分类和回归；训练过程会出现一些采样框，既不属于正样本，也不属于负样本，把这一部分的采样框进行置灰处理，即不更新网络参数；(4)预测结果预测阶段，不同尺度的特征层得到不同大小的预测框，得分值高于阈值的即为最终的结果，该阈值为0.5。