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：东北大学;东北大学佛山研究生创新学院

摘要：本发明属于目标检测技术领域，公开了一种复杂重叠背景下的目标检测方法。图像输入至特征提取网络，取其最后三层输出的特征图输入至改进的颈部PANet结构，输出融合特征图；改进的颈部PANet结构为基于现有颈部PANet结构，将特征融合方式替换为基于通道分离的特征融合；融合特征图分别输入到三个检测器中，得到对应层初始检测结果，初始检测结果经基于目标置信度引导的非重叠特征筛选机制得到二次优化后的特征图，用于输入至新的检测器中，分别进行类别检测、坐标预测和置信度预测。本发明对原有的违禁品精准预测，解决重叠现象造成的错判以及漏判问题。

主权项：1.一种重叠背景下的目标检测方法，其特征在于，包括以下步骤：S1：建立基于Resnet50的特征提取网络；图像输入至特征提取网络，取其最后三层输出的特征图输入至多尺度分层优化与目标特征加权融合网络；所述多尺度分层优化与目标特征加权融合网络为改进的PANet结构，其输出融合特征图；所述改进的PANet结构为基于现有PANet结构，将其特征融合方式替换为基于通道分离的特征融合；所述基于通道分离的特征融合具体为，输入两个特征图，第一个特征图的通道被放置在新特征图的偶数位置，第二个特征图的通道被放置在新特征图的奇数位置；通过交替排列的方式形成新特征图；新特征图通过一个1x1卷积层进行混合和整合，再通过并行的3个不同扩张率的空洞卷积得到融合特征图；S2：融合特征图分别输入到三个检测器中，得到对应层初始检测结果，初始检测结果经基于目标置信度引导的非重叠特征筛选机制得到二次优化后的特征图，用于输入至新的检测器中，分别进行类别检测、坐标预测和置信度预测；所述检测器中分为类别预测支路、坐标预测支路和置信度预测支路；基于目标置信度引导的非重叠特征筛选机制的数学运算过程如下所示：objconf＝SigmoidxCls×SigmoidxIou1objmask＝UnMaxpoolMaxpoolMaxobjconf2xsel＝xstems[objmask]3式中，xCls表示类别预测支路的输入特征，xIoU表示置信度预测支路的输入特征；Max·是取最大值操作，Maxpool·是最大池化操作，UnMaxpool·是反最大池化操作；xstems表示检测器输入的融合特征图；分别将3个检测器的类别预测支路以及置信度预测支路的两个预测结果组合得到特征点对应物品的类别信息objconf；随后对objconf张量按照通道维度进行取最大值操作，得到该特征点所属违禁品的置信度张量objpre；对上述置信度张量先进行最大池化操作，选取每个像素点附近相邻四个像素点对应的最大置信度，随后使用反最大池化操作，将上述结果转变成为掩膜objmask；利用得到的掩膜信息分别对3个检测器输入的融合特征图进行筛选，得到二次优化后的特征图xsel；得到的二次优化后的特征图与相邻网络层的特征信息通过特征加权融合过程得到基于目标置信度引导的非重叠特征筛选机制的检测器的输入特征。

全文数据：

权利要求：

百度查询： 东北大学 东北大学佛山研究生创新学院 一种复杂重叠背景下的目标检测方法