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：重庆理工大学

摘要：本发明涉及目标检测技术领域，尤其涉及一种基于类关系推理的濒危动物目标检测方法。该方法建立了元学习器和基础检测器；元学习器以支撑图像为输入，经过主干网络和池化层后，经过类关系推理模块得到类别原型；将查询图像提取特征，得到特征图；通过区域提案网络RPN预测特征图中可能存在目标对象的候选区域，并利用ROIAlign对候选区域特征向量进行采样，将候选区域特征和类别原型输入特征聚合模块进行特征调整聚合，经过预测模块进行区域类别的预测和边界框的修正回归。本发明通过引入类关系推理，在类别判断和边界框回归之前通过聚合模块来对类别原型和候选区域特征进行聚合，可有效在濒危动物样本稀缺场景下的进行目标检测。

主权项：1.一种基于类关系推理的濒危动物目标检测方法，其特征在于，包括以下步骤：该方法建立了元学习器和基础检测器，且所述元学习器和基础检测器共享同一个主干网络；元学习器以支撑图像为输入，经过主干网络的特征提取和池化层的池化后，经过类关系推理模块得到类别原型；将查询图像输入到主干网络提取特征，得到特征图；通过区域提案网络RPN预测特征图中可能存在目标对象的候选区域，并利用ROIAlign对候选区域特征向量进行采样，将候选区域特征和类别原型输入特征聚合模块进行特征调整聚合，经过基础检测器的预测模块对聚合的结果分别进行区域类别的预测和边界框的修正回归；所述类关系推理过程如下：在支撑图像的分支上构建原型图G＝{V,E,A}，V和E是一系列节点和边的集合，A为表示节点之间关系的邻接矩阵；V由支撑图像经过卷积网络得到的支撑特征构成；使用动态的图卷积来学习变化节点之间的动态相关性；从预先训练的文本模型中计算每个类别名称对应词向量之间的余弦相似度，如果两个词向量嵌入相近，那么它们就表现出较高的余弦相似度；如果wi和wj分别表示类别i和j的词向量嵌入表示，两个词类别之间的语义相关性计算如下： 其中，A为NxN的矩阵，sij是i和j的的语义相关性，该相关性的值作为邻接矩阵i行j列的对应元素，T为矩阵的转置；通过构造原型图G，利用图卷积网络将所有节点特征聚合到每个邻域节点上；使用如下方法来定义图卷积过程：Hl+1＝σAHlWl其中，l＝1,2,3,...为图卷积中层数的索引，Hl表示第l层的输出，Wl为第l层的可学习矩阵，对于第一层，H0＝f，σ·为非线性激活函数；A表示为节点之间的邻接矩阵；使用图卷积的类残差结构；所述特征聚合为从三个不同的维度上进行特征的聚合调整，聚合方式表示如下： 其中[·,·,·]表示通道级联，fqry表示查询图像的特征输出；fcls表示类关系推理模块。

全文数据：

权利要求：

百度查询： 重庆理工大学 一种基于类关系推理的濒危动物目标检测方法