CN114743015B 一种基于角度自适应融合的目标检测方法及系统 （中山大学）

一种基于角度自适应融合的目标检测方法本发明公开了一种基于角度自适应融合的金字塔网络对所述原始特征图进行横向连接降2通过基干网络对输入图像进行特征提取，并从不同阶段的卷积层输通过特征金字塔网络对原始特征图进行横向连接降维和自上通过角度自适应融合金字塔网络，对所述第二特征图进行目标多角所述通过角度自适应融合金字塔网络，对所述第二特征图进行目标通过多角度特征提取模块对输入的所述第二特征图进行处理，得到多通过多特征融合模块对所述第四特征图进行加权融合，获得所述通过多角度特征提取模块对输入的所述第二特征图进行处理，得到采用3×3的卷积核对所述第二特征图进行旋转卷积处理，将权重参所述采用3×3的卷积核对所述第二特征图进行旋转卷积处理，将权别提取输入特征图不同方向的特征信息，输出第五特征图；所述配置四条角度偏移为0、的偏移卷积支路，用四条所述偏移卷积支路分别提取输入特征图不同方向在相邻特征图同一角度偏移卷积的结果之间构建自下而上对于非最低层的特征图，先将输入的低层特征图下采样至与输入的高所述通过多特征融合模块对所述第四特征图进行加权融合，获得最3从所述第四特征图中获取三个特征图集，其中，每个特征图集内包对融合后的特征图进行全局平局池化操作，生成大小为1×1×C的第一特征向量；其将所述第一特征向量通过一个全连接层生成2.一种用于实现如权利要求1所述的基于角度自适应融合的目标检测方法的系统，其第一模块，用于通过基干网络对输入图像进行特征提取，第二模块，用于通过特征金字塔网络对原始特征图进行横第三模块，用于通过角度自适应融合金字塔网络，对所述第二第四模块，用于通过检测器头部网络对所述第三特征图进行所述处理器执行所述程序实现如权利要求14性，尽管后续的池化操作能让卷积神经网络对目标小角度变化起到一定的旋转不变作用，5[0011]通过特征金字塔网络对所述原始特征图进行横向连接降维和自上而下的融合处67[0057]通过特征金字塔网络对所述原始特征图进行横向连接降维和自上而下的融合处89[0096]本发明提出的基于角度自适应融合的目标检测网络是基于现有的基线网络构建塔网络对来自基干网络的特征图{C3,C4,C5}进行1×1卷积的横向连接降维和自上而下的多特征融合模块，使用通道注意力进行加权融合[0099]本模块的主要作用是增强特征图对目标多角度的表征能行旋转角度为θ的偏移卷积操作的卷积核，bn表示对第n层特征图做卷积操作时的偏置值，表示第n层输入特征图做旋转角度为θ的偏移卷积操作后的输出特征图。这输入特征图的尺寸相同。度偏移卷积的结果之间构建自下而上的连接融合通路，这是为了缩短低层到高层的路径，模块可以根据特征图集中每张特征图的目标方向表征信息来自适应地调整对目标的方向c函数来对不同输入特征图的计算通道加权值，函数表分别是的通道软注意力向量。同方向信息的特征图进行自适应加权融合，可以得到对目标方向变化鲁棒性更强的特征络与特征金字塔网络在两个公开的目标检测数据集(PASCALVOC、COCO)上进行了对比实[0123]在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提改变以及其中被描述为较大操作的一部分的子操说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算