买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州思德医疗科技有限公司

摘要：本发明涉及图像检测技术领域，具体公开了卧姿人体检测模型的训练方法、卧姿人体检测方法及系统，包括：从视频数据中提取包括卧姿人体的图像作为训练图像并标注真实人体边框，构建包括依次连接的主干网络、颈部网络和头部网络的卧姿人体检测模型，主干网络包括在FPN网络中嵌入的、至少采用宽度大于高度的卷积核的多尺度融合模块，颈部网络包括上下文融合模块和注意力模块，在采用训练图像训练卧姿人体检测模型后，通过多尺度融合模块、上下文融合模块和注意力模块提高了卧姿人体检测模型获取宽度信息的能力，可以抑制背景区域的干扰以突出人体特征，适用于内窥镜检查中卧姿人体和检查台背景复杂的场景，提高了内窥镜检查中检测人体的准确度。

主权项：1.一种卧姿人体检测模型的训练方法，其特征在于，具体包括以下步骤：从多个场景的视频数据中提取包括卧姿人体的图像以作为训练图像，并对所述训练图像中的人体进行标注得到真实人体边框；构建卧姿人体检测模型，所述卧姿人体检测模型包括依次连接的主干网络、颈部网络和头部网络，所述主干网络包括FPN网络以及在所述FPN网络中嵌入的、至少采用宽度大于高度的卷积核对FPN网络每个层级提取的特征图进行多种卷积操作的多尺度融合模块，所述颈部网络包括上下文融合模块和注意力模块；将所述训练图像输入所述FPN网络，所述FPN网络对所述训练图像提取多个层级的初始特征图Ci；通过多尺度融合模块对最后一个层级n的初始特征图Cn进行标准卷积、非对称卷积以及非对称孔洞卷积操作，得到第n层级的目标特征图Pn，n为FPN网络的层级的数量；对于第i层级，对第i+1层级的目标特征图Pi+1进行上采样得到尺度与第i层级的初始特征图Ci相同的上采样特征图，将该上采样特征图与第i层级的初始特征图Ci拼接后通过多尺度融合模块进行标准卷积、非对称卷积以及非对称孔洞卷积操作，得到第i层级的目标特征图Pi，所述非对称卷积和所述非对称孔洞卷积的卷积核的宽度大于高度，i≤n-1；将各个层级的目标特征图Pi输入所述颈部网络的上下文融合模块，所述上下文融合模块用于将当前层级i、上一层级i-1、下一层级i+1的目标特征图进行融合，得到当前层级i的融合特征Fi；将所述融合特征Fi输入注意力模块中提取注意力特征Ai并与所述融合特征Fi相乘得到所述训练图像的图像特征Oi；将所述图像特征Oi输入所述头部网络中得到所述训练图像中人体的预测人体边框；基于所述预测人体边框和所述真实人体边框计算损失；根据所述损失调整所述卧姿人体检测模型的模型参数直到所述卧姿人体检测模型收敛。

全文数据：

权利要求：

百度查询： 广州思德医疗科技有限公司 卧姿人体检测模型的训练方法、卧姿人体检测方法及系统