一种基于FCOS改进的车辆检测算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113723563A(43)申请公布日2021.11.30(21)申请号202111069295.4(22)申请日2021.09.13(71)申请人中科南京人工智能创新研究院地址211135江苏省南京市创研路266号麒麟人工智能产业园3号楼3楼(72)发明人张辉冷聪(74)专利代理机构南京泰普专利代理事务所(普通合伙)32360代理人张帆(51)Int.Cl.G06K9/62(2006.01)G06K9/46(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书7页附图4页(54)发明名称一种基于FCOS改进的车辆检测算法(57)摘要本发明提出一种基于FCOS改进的车辆检测算法，所述车辆检测算法包括：对FCOS模型进行改进，在标准骨干网络backbone中引入了可变形卷积网络Defomableconvolutionnetwork，使之能够随着目标的形变来改变感受野的位置，以达到更好的检测效果，同时加入了抑制因子，强迫网络学习主要的特征而忽略那些背景噪音区域；将neck模块的特征图金字塔网络FPN后添加一个自底向上的信息通路，减少传播过程信息的损耗；在之后根据平衡原则引入平衡模块，降低因不同特征图featuremap方差不匹配而造成的边界框boundingboxhead模块检测不统一的问题。本发明给网络带来了较大的增益，提高了目前复杂场景中车辆检测定位准确性及检测精度。CN113723563ACN113723563A权利要求书1/2页1.一种基于FCOS改进的车辆检测算法，其特征在于，包括如下步骤：步骤1、图像特征层提取与优化；步骤2、图像特征层融合加强；步骤3、图像特征层聚合；步骤4、结果预测。2.根据权利要求1所述的一种基于FCOS改进的车辆检测算法，其特征在于，所述步骤1中的图像特征层提取与优化是通过backbone提取输入图像的4层特征C2‑C5，并加入可变形卷积DeformableConvolution使卷积核的感受野能够自由的选择感兴趣的区域，加入抑制因子以减少噪音和背景的影响。3.根据权利要求2所述的一种基于FCOS改进的车辆检测算法，其特征在于，所述通过DCN添加抑制因子来提升C3‑C5的特征层精度是将DCN加在backbone的C3‑C5层，具体为：步骤11、对先前的featuremap卷积得到偏差；步骤12、根据偏差值得到新的采样坐标，进行卷积产生新的featuremap，加入了抑制因子让模型更专注于所需要的目标，具体计算方法如下：R＝{(‑1，‑1)，(‑1，0)，...，(0，1)，(1，1)}表示3x3卷积核的坐标，卷积计算如下：其中Δpk指的是偏差值，Δmk即抑制因子，主要是对目标区域和噪音背景区域赋予不同的权重；卷积核在原来的featuremap上采样坐标为pk+Δpk，实际计算的时候前者的坐标带有小数点，用双线性插值来解决这个问题，如下：4.根据权利要求1所述的一种基于FCOS改进的车辆检测算法，其特征在于，所述步骤2中的图像特征层融合加强是在原FPN的基础上加入了一个自底向上的模块，进一步增强信息在不同特征层间的流动，缩减底层到顶层特征层间的距离，并将前面不同的特征层C2‑C5做一个融合加强，使每个特征层中都有其他层的信息，以减少底层和最上层之间的信息损耗，具体步骤如下：步骤21、在FPN后面增加一个自底向上的增强模块bottom‑uppathaugmentation模块；步骤22、当浅层特征信息到达FPN底部后，通过横向连接lateralconnection连接到特征图P2；步骤23、再从P2沿着bottom‑uppathaugmentation传递到顶层，经过的层数就不到10层，较好地保留浅层特征信息。5.根据权利要求1所述的一种基于FCOS改进的车辆检测算法，其特征在于，所述步骤3中的图像特征层聚合具体操作步骤为：步骤31、在改进的FPN后面加入一个平衡模块，将不同分辨率的特征图缩放成同一尺寸，所述平衡模块算法为：2CN113723563A权利要求书2/2页其中i是输出特征图的位置，j是其他不同特征图的位置，x是输入特征图，y是和x一样尺度的特征图，f是对两个特征图进行的配对计算函数，计算第i个位置和其他所有位置的相关性，g是一元输入函数，目的是进行信息变换，C(x)是归一化函数；步骤32、然后进行特征逐个元素elementwise相加后再除以特征层level的数目，达到了聚合的目的，具体算法为：步骤321、对于f函数计算了两个位置的相关性，g(xj)是一元输入，相当于对输入的特征图去进行线性映射，通过1*1*1卷积去压缩通道数，减少了参数，然后得到θ，φ，g特