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：上海弘积信息科技有限公司

摘要：本发明公开了一种用于目标检测的加权特征金字塔网络的构建方法，包括以下步骤：获取模型的特征层：{C2，C3，C4，C5}和{D2，D3，D4}；建立高斯矩阵；计算C4和D4之间的差异：将特征层C4和D4之间的差异记为a，则a＝|x‑y|；计算权重：根据a和b的比例来计算权重，得出的权重表示为ω1和ω2；计算具有权重的特征金字塔：{F2，F3，F4，F5}是最终具有权重的特征金字塔。本发明在特征金字塔的基础上赋予权重，取得了更高地检测准确率；能够检测出传统特征金字塔没有检测到的小目标，同时也比传统的特征金字塔取得了更好的检测效果。

主权项：1.一种用于目标检测的加权特征金字塔网络的构建方法，其特征在于，包括以下步骤：步骤1、获取模型的特征层：使用特征金字塔网络特征层中最下层的特征层，在特征金字塔网络中表示为{C2，C3，C4，C5}；在C5上附加一个1×1的卷积层，经过卷积后将得到的结果表示为特征层D5；在D5上附加一个3×3的卷积层，经过卷积后将得到的结果表示为特征层P5；在P5上进行一个上采样操作，将结果表示为D4；降低C4的通道数，融合特征层C4和特征层D4，并使用一个3×3卷积层获得特征层P4；在C4上附加一个1×1卷积层；在P4上进行一个上采样操作，将结果表示为特征层D3；降低C3的通道数，融合特征层C3和特征层D3，并使用一个3×3卷积层获得特征层P3；特征层C2上附加一个1×1卷积层；在P3上附加一个上采样过程，将结果表示为特征层D2；降低C2的通道数，融合特征层C2和特征层D2，并使用3×3卷积层获得特征层P2；最终得到特征层：{C2，C3，C4，C5}和{D2，D3，D4}；步骤2、建立高斯矩阵：对数据进行归一化处理：由于数据集合中包含多个特征层，故使用特征层C4和特征层D4计算权重；由于特征层C4和D4形状大小一致，选择以C4为基础特征层来设计高斯矩阵；将特征层C4层的宽度和高度，分别表示为W和H，故矩阵中心的坐标为H-12，W-12； 公式1就是高斯核公式；其中，r和c是矩阵中每个点对应的横坐标和纵坐标；σ表示函数的平滑度参数，起到控制函数的径向范围的作用；步骤3、计算C4和D4之间的差异：由于高斯矩阵是依据特征层C4和D4的形状生成的，所以高斯矩阵的形状与这两层的形状相同；在高斯矩阵上附加一个1×1卷积层，使其具有与特征层C4和D4相同的通道数；然后用得到的高斯矩阵分别与特征层C4和D4进行卷积操作，用每一层的中心值的大小替换整个层的大小；特征层C4与高斯矩阵卷积得到的值为x，特征层D4与高斯矩阵卷积得到的值为y；将特征层C4和D4之间的差异记为a，则a＝|x-y|；步骤4、计算权重：将特征层C4和D4层之间的差值a减去一个值作为exp函数的输入，这个值设定为ω，得到的结果成为exp函数的输入；b＝ea-ω2根据a和b的比例来计算权重，得出的权重表示为ω1和ω2；ω1＝aa+b3ω2＝ba+b4步骤5、计算具有权重的特征金字塔：{F4,F3,F2}＝ω1*{C4,C3,C2}+ω2*{D4,D3,D2}5根据公式5得到{F2，F3，F4}，进而得到最终具有权重的特征金字塔。

全文数据：

权利要求：

百度查询： 上海弘积信息科技有限公司 一种用于目标检测的加权特征金字塔网络的构建方法