买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州电子科技大学

摘要：本发明公开了基于无锚框网络的区域推荐网络提取方法，利用FCOS网络来为双阶段网络做区域推荐网络，利用FCOS的分类网络来区分网络提取到的预选框为正例还是负例，并且从为正例与负例的预选框中选择出一部分作为下一阶段的训练框，正例与负例的数量应保持一致，保证正负样本的平衡。在下一个阶段的回归中对筛选出来的正例做出具体的分类，并且网络在预选框的基础上做回归，得到最终的预测框。

主权项：1.一种基于无锚框网络的区域推荐网络提取方法，其特征在于，包括以下步骤：S10，数据预处理：对目标检测网络的输入数据进行数据清理、数据集成、数据规约和数据变换；S20，特征提取：特征提取网络包括由卷积神经网络，对于目标检测采用ResNet神经网络，ResNet神经网络最终输出为使用金字塔特征将ResNet中卷积步长为8，16，32，64，128的特征做组合，作为目标检测网络的特征图；S30，选取锚框：将上述步骤得到的特征传入到无锚框的预测网络，预测网络在特征图的每一个位置产生分类得分以及回归得分，分类得分即特征点对应感受野大小映射回原图中与特征点对应位置处含有某类检测目标的概率，而回归得分则用于产生预测框；所述选取锚框进一步包括以下步骤：将特征点的位置作为预测框中的一个点，分类得分为一个H*W*C的张量，其中H为当前特征图的高度，W为当前特征图的宽度，C为分类的类别数，其中最后一个类别为背景类，将分类输出中C维度中最高的得分作为当前特征点的分类类别，若分类类别为背景，则将其设定为负例；预测得分则代表该点与预测框的四条边的距离，之后从特征点的位置与特征点与预测框距离得到预测框的左上角点与右下角点的坐标；将预测得到的预测框作为下一个阶段的锚框，按照分类得分对所有锚框进行排序，同一类的锚框放在一起，从中选取128个作为正样本，再从负例中选取128个作为负样本，将这256个样本送入到下一个预测网络中；S40，上一步骤中预测网络为一个不用锚框即可进行预测的网络，而本步骤的网络进行预测框的预测时依靠锚框作为其回归起点，通过锚框得到预选框，在S30中得到锚框之后输入到下一个预测网络，在这个网络中利用特征图对每一个位置得到分类得分以及回归得分；S50，对图片进行前向传递之后，对其进行反向传播让网络学习到有效参数，网络的损失函数定义为无锚框的预测网络与有锚框的预测网络的分类损失与回归损失之和，分类损失函数记为Focalloss，无锚框的预测网络的回归损失为IOUloss，有锚框的预测网络的回归损失为L1loss。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于无锚框网络的区域推荐网络提取方法