[发明专利]使用基于区域的深度学习模型的对象检测的方法和设备

摘要

描述使用基于区域的深度学习模型的对象检测的方法和设备。一方面，提供一种方法，其中，区域建议网络(RPN)用于通过分配置信水平识别图像中的感兴趣区域(RoI)，分配的RoI的置信水平用于提高由下游分类器分配给RoI的背景分数，背景分数用于柔性最大值函数以计算每个对象类的最终类概率。

主权项

1.一种使用基于区域的深度学习模型的对象检测的方法，包括：

使用区域建议网络通过分配置信水平来识别图像中的感兴趣区域；

使用分配的感兴趣区域的置信水平来提高由下游分类器分配给每个感兴趣区域的背景分数；

在柔性最大值函数中使用提高的背景分数来计算每个对象类的最终类概率。

2.根据权利要求1所述的使用基于区域的深度学习模型的对象检测的方法，其中，对象检测为行人检测。

3.根据权利要求1所述的使用基于区域的深度学习模型的对象检测的方法，其中，基于区域的深度学习模型为快速的基于区域的卷积神经网络。

4.根据权利要求1所述的使用基于区域的深度学习模型的对象检测的方法，其中，基于区域的深度学习模型为基于区域的全卷积网络。

5.根据权利要求1所述的使用基于区域的深度学习模型的对象检测的方法，其中，置信水平包括感兴趣区域为背景的概率P_B和感兴趣区域为前景的概率P_F。

6.根据权利要求5所述的使用基于区域的深度学习模型的对象检测的方法，其中，由下游分类器分配给感兴趣区域的背景分数是s₀，根据以下公式提高s₀：

7.根据权利要求1所述的使用基于区域的深度学习模型的对象检测的方法，其中，使用分配的感兴趣区域的置信水平来提高由下游分配器分配给每个感兴趣区域的背景分数的步骤包括：

迭代地精细化提高的背景分数。

8.根据权利要求1所述的使用基于区域的深度学习模型的对象检测的方法，其中，还使用语义分割掩码提高由下游分类器分配给每个感兴趣区域的背景分数。

9.根据权利要求1所述的使用基于区域的深度学习模型的对象检测的方法，其中，还使用光流大小来提高由下游分类器分配给每个感兴趣区域的背景分数。

10.一种能够使用基于区域的深度学习模型进行对象检测的设备，包括：

一个或多个非暂时性计算机可读介质；

至少一个处理器，当执行存储在所述一个或多个非暂时性计算机可读介质中的指令时，执行以下步骤：

使用区域建议网络通过分配置信水平来识别图像中的感兴趣区域；

使用分配的感兴趣区域的置信水平来提高由下游分类器分配给每个感兴趣区域的背景分数；

在柔性最大值函数中使用提高的背景分数来计算每个对象类的最终类概率。

11.根据权利要求10所述的能够使用基于区域的深度学习模型进行对象检测的设备，其中，对象检测为行人检测。

12.根据权利要求10所述的能够使用基于区域的深度学习模型进行对象检测的设备，其中，基于区域的深度学习模型为快速的基于区域的卷积神经网络。

13.根据权利要求10所述的能够使用基于区域的深度学习模型进行对象检测的设备，其中，基于区域的深度学习模型为基于区域的全卷积网络。

14.根据权利要求10所述的能够使用基于区域的深度学习模型进行对象检测的设备，其中，置信水平包括感兴趣区域为背景的概率P_B和感兴趣区域为前景的概率P_F。

15.根据权利要求14所述的能够使用基于区域的深度学习模型进行对象检测的设备，其中，由下游分类器分配给感兴趣区域的背景分数是s₀，根据以下公式提高s₀：

16.根据权利要求10所述的能够使用基于区域的深度学习模型进行对象检测的设备，其中，使用分配的感兴趣区域的置信水平来提高由下游分配器分配给每个感兴趣区域的背景分数的步骤包括：

迭代地精细化提高的背景分数。

17.根据权利要求10所述的能够使用基于区域的深度学习模型进行对象检测的设备，其中，还使用语义分割掩码提高由下游分类器分配给每个感兴趣区域的背景分数。

18.根据权利要求10所述的能够使用基于区域的深度学习模型进行对象检测的设备，其中，还使用光流大小提高由下游分类器分配给每个感兴趣区域的背景分数。

19.一种制造芯片组的方法，包括：

制造芯片组，所述芯片组包括：

至少一个处理器，当执行存储在一个或多个非暂时性计算机可读介质上的指令时，执行以下步骤：

使用区域建议网络通过分配置信水平来识别图像中的感兴趣区域；

使用分配的感兴趣区域的置信水平来提高由下游分类器分配给每个感兴趣区域的背景分数；

在柔性最大值函数中使用提高的背景分数来计算每个对象类的最终类概率，

所述一个或多个非暂时性计算机可读介质，存储所述指令。

20.一种测试设备的方法，包括：

测试设备是否具有至少一个处理器，其中，所述至少一个处理器在执行存储在一个或多个非暂时性计算机可读介质上的指令时，执行以下步骤：

使用区域建议网络通过分配置信水平来识别图像中的感兴趣区域；

使用分配的感兴趣区域的置信水平来提高由下游分类器分配给每个感兴趣区域的背景分数；

在柔性最大值函数中使用提高的背景分数来计算每个对象类的最终类概率，

测试所述设备是否具有存储所述指令的所述一个或多个非暂时性计算机可读介质。