1.一种基于多层信息融合的目标检测算法,其特征在于,包括:
s1、对数据集图像进行预处理;将图像数据调整到网络设定的尺寸;
s2、利用densenet对图像进行不同层次信息的提取,提取四个阶段的特性特征;
s3、对提取的四个阶段特征进行通道数的规范化;
s4、对提取的多层次信息进行上下融合,加强不同层次信息的传递,使特征图具有丰富的深层语义信息及浅层的位置信息;
s5、利用区域建议算法对融合后的多层次信息进行感兴趣区域的提取;
s6、对感兴趣区域进行精确类别的预测、以及位置坐标的回归;
s7、计算分类网络与回归网络的多任务损失函数,并对网络进行训练优化,使分类与回归的损失函数达到收敛并保存网络的权重参数
s8、部署优化后的参数,对目标进行检测。
2.根据权利要求1所述的一种基于多层信息融合的目标检测算法,其特征在于,所述步骤s1的具体步骤如下:
s101、对图像进行颜色增强、平移变化、水平以及垂直翻转;
s102、使用线性插值法将所有图像数据放缩到448*448的大小。
3.根据权利要求1所述的一种基于多层信息融合的目标检测算法,其特征在于,所述步骤s2中特征提取的具体方法为:利用搭建的98层densenet网络对图像进行卷积池化处理,把每个传输层的结果作为输出,得到分辨率为56*56,28*28,17*17,17*17的四个阶段特征图。
4.根据权利要求1所述的一种基于多层信息融合的目标检测算法,其特征在于,所述步骤s3中四个阶段特征进行通道数规范化的具体方法为:使用通道数为256的1*1的卷积分别对四个阶段特征进行卷积操作,将所有阶段特征的维度规范为256。
5.根据权利要求1所述的一种基于多层信息融合的目标检测算法,其特征在于,所述步骤s4中多阶段特征融合的具体方法为:
s401、对相邻的、以及尺寸相同的两个阶段特征进行对应元素相加的操作,若两个阶段特征尺寸不同,对较小尺寸特征进行上采样操作,保证相融合的两个特征尺寸相同;
s402、使用3*3的卷积核对融合后的结果进行卷积,消除融合后的混叠效应。
6.根据权利要求1所述的一种基于多层信息融合的目标检测算法,其特征在于,所述步骤s5的具体方法为:使用区域候选网络对步骤s4中融合后的多个阶段特征进行感兴趣区域提取,使用锚点机制对感兴趣区域进行前景和背景的二分类预测、以及边框位置的粗略拟合。
7.根据权利要求1所述的一种基于多层信息融合的目标检测算法,其特征在于,所述步骤s6的具体方法为:
s601、对步骤s5中提取的感兴趣区域进行池化操作;
s602、将池化后的感兴趣区域输入到全连接网络,并使用softmax分类器进行分类;
s603、输出预测的目标位置坐标x,y,w,h,其中x,y,w,h分别表示盒子中心坐标及宽度和高度。
8.根据权利要求1所述的一种基于多层信息融合的目标检测算法,其特征在于,所述步骤s7的具体方法为:
s701、首先计算分类部分的损失函数:
其中:pi为锚点预测为目标的概率,
s702、再计算位置回归部分的损失函数:使用smoothl1(δ=3)平滑损失函数:
其中:tn表示预测边界框的4个参数化的坐标向量,
其中:x,xa,x*分别对应预测框,锚点,真实框;
s703、最后计算两部分损失函数和:
其中:ncls为训练网络时每次输入的图像数量,nreg为锚点的个数,λ为两部分损失的平衡参数;
s704、对全连接网络进行训练,使损失函数达到收敛。