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：浙江工业大学

摘要：本发明提供一种轻量型目标检测方法：利用移动机器人的摄像头采集图像，并将图像缩放至320×320；构建轻量级目标检测模型，建立特征提取网络、降采样模块、上采样层；构建检测网络模块，通过构建三个检测分支来预测目标的中心点坐标；选取CenterNet的损失函数作为网络检测分支的损失函数；通过非极大值抑制筛选正确的目标检测框；使用训练好的轻量型目标检测模型对每帧中所有目标进行检测，获取每帧内的所有目标的定位框。本发明通过构建融合注意力机制的轻量型特征提取网络，降低了特征提取模型的参数量，通过构建注意力模块有效降低冗余参数，实现高效、精确的移动机器人目标检测。

主权项：1.一种轻量型目标检测方法，通过构建融合注意力机制的轻量型特征提取网络结构，实现在移动机器人上的实时目标检测任务，其特征在于具体包括如下步骤：步骤1：利用移动机器人的摄像头采集图像，从移动机器人图像采集模块中获取图片帧，并将图像缩放至320×320；步骤2：构建并训练轻量型目标检测模型；步骤3：使用训练好的轻量型目标检测模型对每帧中所有目标进行检测，获取每帧内的所有目标的定位框；步骤2中的构建轻量型目标检测模型，具体包括如下步骤：步骤2.1：建立特征提取网络，建立特征提取网络，包括：步骤2.1.1：建立特征提取模块，将特征图F1依次通过1×1卷积、BN归一化、ReLU激活函数、步长为1的1×5深度可分离卷积、BN归一化、步长为1的5×1深度可分离卷积、BN归一化、1×1卷积、BN归一化、ReLU激活函数，输出特征图F2，然后将特征图F2与F1拼接并对特征通道进行随机排序，生成特征图F3；步骤2.1.2：建立深度压缩模块，将特征图F3依次通过全局最大池化、1×1卷积、BN归一化、ReLU激活函数、1×1卷积、Sigmoid激活函数，输出特征向量P，将F3×P得到特征图F4，建立降采样模块，将F4依次通过步长为2的1×5深度可分离卷积、BN归一化、ReLU激活函数、步长为2的5×1深度可分离卷积、BN归一化、ReLU激活函数，然后对特征通道进行随机排序，最后输出特征图C1；步骤2.1.3：建立上采样层，将C1分别通过3次反卷积进行上采样得到特征图C2；步骤2.2：构建检测网络模块，通过构建三个检测分支来预测目标的中心点坐标，通过构建三个检测分支来预测目标的中心点坐标，包括：步骤2.2.1：建立目标中心点预测分支，通过1×1卷积与特征图C2进行卷积得到目标预测中心点坐标x,y；步骤2.2.2：通过1×1卷积与特征图C2进行卷积得到右下角相对于水平方向偏移角度、右上角相对于垂直方向的偏移角度及四个角到中心点的距离；步骤2.3：选取式1作为网络检测分支的损失函数； 式中，L为损失函数值，为预测出的类别，Y为标签值，α和β为超参数，N为图像关键点个数；步骤2.4：通过非极大值抑制筛选正确的目标检测框。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种轻量型目标检测方法