技术特征：
1.一种系统，所述系统包括：提议组件，所述提议组件被配置为接收与场景关联的第一数据集，所述第一数据集包括所述场景的至少一个图像；多尺度神经网络，所述多尺度神经网络包括多个神经网络，每个神经网络被训练为接收感兴趣区域并根据关联的资源分配输出对象分类；和注意力协调器，所述注意力协调器被配置为确定所述图像中的感兴趣区域，并根据可用的系统资源将每个确定的区域分配给所述多尺度神经网络中的所述多个神经网络中的一个。2.根据权利要求1所述的系统，还包括：多个输入设备，所述多个输入设备包括：被配置为捕获所述场景的图像的可见光谱图像捕获设备以及被配置为生成与所述场景关联的第二数据集的第二输入设备。3.根据权利要求2所述的系统，其中，所述第二输入设备包括雷达系统、音频捕获系统和/或红外成像系统。4.根据权利要求1所述的系统，其中，所述第一数据集还包括至少一个对象区域的标识。5.根据权利要求1所述的系统，其中，所述提议组件还被配置为分析所述第一数据集并在所述场景的所述至少一个图像中识别多个提议的感兴趣区域。6.根据权利要求5所述的系统，其中，所述提议组件包括运动目标组件，所述运动目标组件被配置为识别所述至少一个图像中与检测到的运动关联的一个或多个区域。7.根据权利要求5所述的系统，其中，所述提议组件包括随机搜索组件，所述随机搜索组件被配置为搜索所述至少一个图像并识别与对象关联的一个或多个区域。8.根据权利要求1所述的系统，其中，所述多个神经网络中的每一个被配置为处理具有输入图像大小的感兴趣区域，并且其中，所述输入图像大小对于所述多个神经网络中的每一个不同。9.根据权利要求1所述的系统，其中，所述注意力协调器还被配置为：至少部分地基于在所述图像中检测每个感兴趣对象的概率的优化和/或对由所述多尺度神经网络处理的像素数量的最小化，来确定所述图像中的感兴趣区域并将每个确定的区域分配给所述多尺度神经网络中的所述多个神经网络中的一个。10.根据权利要求1所述的系统，其中，所述提议组件还包括短期目标记忆，所述短期目标记忆被配置为跟踪由所述多尺度神经网络分类的区域关联的对象并生成供所述注意协调器使用以确定所述图像中的感兴趣区域的预测提议。11.一种方法，所述方法包括：接收与场景关联的第一数据集，所述第一数据集包括所述场景的至少一个图像；提供包括多个神经网络的多尺度神经网络，每个神经网络被训练为接收感兴趣区域并根据关联的资源分配输出对象分类；确定所述图像中的感兴趣区域；和根据可用的系统资源，将每个确定的区域分配给所述多尺度神经网络中的所述多个神经网络中的一个。12.根据权利要求11所述的方法，还包括：
捕获所述场景的图像；和生成与所述场景关联的第二数据集。13.根据权利要求12所述的方法，其中，所述第二数据集包括与所述场景关联的雷达数据、音频数据和/或红外成像数据。14.根据权利要求11所述的方法，其中，所述第一数据集还包括至少一个对象区域的标识。15.根据权利要求11所述的方法，还包括分析所述第一数据集并识别所述场景的所述至少一个图像中的多个提议的感兴趣区域。16.根据权利要求15所述的方法，还包括识别所述至少一个图像中与检测到的运动关联的一个或多个区域。17.根据权利要求15所述的方法，还包括使用随机搜索过程搜索所述至少一个图像并识别与对象关联的一个或多个区域。18.根据权利要求11所述的方法，其中，所述多个神经网络中的每一个被配置为处理具有输入图像大小的感兴趣区域，并且其中，所述输入图像大小对于所述多个神经网络中的每一个不同。19.根据权利要求11所述的方法，其中，确定所述图像中的感兴趣区域并将每个确定的区域分配给所述多尺度神经网络中的所述多个神经网络中的一个至少部分地基于在所述图像中检测每个感兴趣对象的概率的优化和/或对由所述多尺度神经网络处理的像素数量的最小化。20.根据权利要求11所述的方法，其中，确定感兴趣区域还包括：使用短期目标记忆跟踪与由所述多尺度神经网络分类的对象关联的区域，以及生成跟踪的区域在所述场景的图像中的位置的预测提议。
技术总结
一种高分辨率图像目标分类系统和方法包括：被配置为接收与场景关联的第一数据集的提议组件，该第一数据集包括场景的至少一个图像；包括多个神经网络的多级神经网络，每个神经网络被训练为接收感兴趣区域并根据关联的资源分配输出对象分类；和注意力协调器，其被配置为根据可用的系统资源确定图像中的感兴趣区域并将每个确定的区域分配给多尺度神经网络中的多个神经网络中的一个。该系统可以被配置为优化在图像中检测到对象的概率，同时最小化通过多尺度神经网络处理的像素数量。小化通过多尺度神经网络处理的像素数量。小化通过多尺度神经网络处理的像素数量。
技术研发人员：B
受保护的技术使用者：菲力尔商业系统公司
技术研发日：2020.05.18
技术公布日：2021/12/31