欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022116775103
申请人: 嘉兴驭航技术有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于语义特征增强的小目标对象检测方法,其特征在于,包括以下步骤:

(1)利用亚像素卷积实现特征图的上采样,以完成亚像素横向连接单元的设计,通过亚像素横向连接单元获取采样后的特征图Li;所述步骤(1)包括以下子步骤:(1.1)将待检测图像输入特征提取网络以提取待检测图像的特征图;

(1.2)将特征图输入亚像素横向连接单元,通过像素洗牌操作将大小为r2C×H×W的特征图的元素重新排列以获取大小为C×rH×rW的特征图,其中,r2C表示特征图的通道数,H和W分别表示特征图的高度和宽度;

(1.3)根据所述步骤(1.2)获得的特征图,对于第i个特征图Ci∈RH×W×C,直接使用亚像素卷积完成对第五个特征图C5的上采样;使用1×1卷积将C2、C3和C4这三个特征图的通道数减少到256,然后使用亚像素卷积对其分辨率进行上采样;以获取采样后的特征图Li;

(2)通过语义增强单元将相邻的两个采样后的特征图Li和Li-1合并,并根据标准卷积和可变形卷积获取相邻的特征图的特征信息差异,以获取融合特征图Ei;所述步骤(2)包括以下子步骤:(2.1)合并特征图:对于所述步骤(1.3)获取的采样后的特征图Li,将相邻的两个采样后的特征图Li和Li-1作为语义增强单元的输入,将Li和Li-1在通道维度上进行合并,使用3×3卷积生成合并后的特征图Fi;

(2.2)根据所述步骤(2.1)获得的合并后的特征图Fi和标准卷积计算偏移量Δi;根据偏移量Δi和合并后的特征图Fi通过可变形卷积计算出相邻的特征图的特征信息差异;

(2.3)将所述步骤(1.3)获取的采样后的特征图Li和与其相邻的特征图的特征信息差异进行融合以获取融合特征图Ei;

(3)通过增强语义特征金字塔网络逐层融合各层的分布特征,以获取语义丰富、利于目标定位的特征图,以检测小目标对象。

2.根据权利要求1所述的基于语义特征增强的小目标对象检测方法,其特征在于,所述像素洗牌操作的表达式为:其中,r表示上采样系数,C是通道扩展前的原始通道数,X是输入的特征图,PS(X)x,y,z表示输出特征像素的位置(x,y,z),mod(·)表示取余操作,表示向下取整。

3.根据权利要求1所述的基于语义特征增强的小目标对象检测方法,其特征在于,所述亚像素横向连接单元的表达式为:其中,Li表示,Ci∈RH×W×C是输入的第i个特征图,Convj表示进行1×1卷积,将通道数设为j,PS(·)表示像素洗牌操作。