[发明专利]一种基于维度分解的候选区域提取方法

摘要

本发明提出一种基于维度分解的候选区域提取方法，包括以下步骤：引入anchor strings作为模型的回归参考、匹配anchor strings和目标边长、搭建的全卷积神经网络、对anchor strings进行分配训练标签、设计损失函数以及训练全卷积神经网络和预测独立的宽高线段并进行维度重组；本发明通过采用了新颖的维度分解策略以及通过运用灵活的anchor strings，可以用最佳的回归参考和目标进行匹配，使模型得到更平滑的训练，通过采用的尺度敏感的损失函数可以解决目标尺度分布不平衡的问题，本发明的候选区域提取方法更容易召回小检测目标，且可以应对宽高比变化大的目标。

主权项

1.一种基于维度分解的候选区域提取方法，其特征在于，包括以下步骤：步骤一：引入anchor strings作为模型的回归参考，采用新颖的维度分解思想将anchor boxes分解成独立的一维线段，分别用来预测目标的宽或者高，从而将目标的宽和高两个维度解耦，以应对目标宽高比的多变性；步骤二：匹配anchor strings和目标边长，进行匹配anchor strings和目标边的时先为每个目标边长寻找最接近的anchor strings，同时，为了避免处于中间的边长在匹配时的模糊，还需要在相邻的anchor strings中间设置了过度区域；步骤三：网络搭建，搭建的全卷积神经网络，将检测器中用于检测候选区域提取网络的一个全卷积子网络拼接在检测器的特征提取模块之后；步骤四：标签分配，对anchor strings进行分配训练标签，对处于目标中心的anchor strings采用步骤二中的匹配方法进行确定标签，对于对于其他的anchor strings采用了先观察后分配的策略进行标签分配；步骤五：损失函数设计和网络训练，设计一种新颖的尺度敏感的损失函数，再采用SGD算法来训练全卷积神经网络；步骤六：预测独立的宽高线段并进行维度重组，采用维度重组算法，把每个anchor string预测的宽或高线段重组成二维的候选框。