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！

摘要：基于SE‑FPN的目标检测模型训练方法、目标检测方法及装置，训练方法包括：对多张训练图片按不同缩放系数进行缩放，拼接成一张新图片，所述新的图片包括多个不同大小的目标；将所述多个不同大小的目标按照预定的分配策略分配到SE‑FPN目标检测模型的不同金字塔特征层；在每个金字塔特征层中，根据该层的训练样本的真值找到离中心点最近的m个位置，计算m个位置所有锚与真值的DIoUDg，计算Dg均值mg、标准差vg，得到阈值tg，选择大于tg且在目标框内的中心位置和锚输出；计算分类损失函数和位置回归函数，通过反向传播算法训练模型。构建基于SE‑FPN的目标检测网络模型，改进图像预处理方式和样本选择策略并训练模型，应用于目标检测，提高目标检测效率。

主权项：1.一种基于SE-FPN的目标检测模型训练方法，其特征在于，包括步骤：对从数据集获取的多张训练图片按不同的缩放系数进行缩放后，拼接成一张新的图片，并将多张训练图片对应的目标标签做相同的缩放和拼接处理，所述新的图片包括多个不同大小的目标；将所述多个不同大小的目标按照预定的分配策略分配到SE-FPN目标检测模型的不同金字塔特征层；在每个金字塔特征层中，根据分配到该层的训练样本的真值找到离中心点最近的m个位置，分别计算m个位置所有锚与真值的DIoU，记为Dg，计算公式为：其中，IoU表示预测和样本真值之间的IoU数值，ρ2b,bgt表示预测中心b与目标真实中心bgt的欧式距离，d表示能够同时覆盖锚和目标框的最小矩形的对角线距离；计算Dg的均值mg和标准差vg，得到阈值tg＝max0.2，|mg-vg|，选择大于tg且在目标框内的中心位置和锚输出；若没有符合条件的锚，则选择Dg最大的锚和中心位置输出；分别计算分类损失函数和位置回归函数，并通过反向传播算法训练模型；其中，SE-FPN目标检测模型包括骨干网络、SE-FPN和头部检测模块；骨干网络用于对输入SE-FPN目标检测模型的图片进行特征提取，获得多个不同缩放尺度的特征层，用于构建SE-FPN；头部检测模块包括两部分：分类模块和位置回归模块，分类模块用于首先使用w层卷积层进行特征提取，然后用全连接层进行分类，输出分类结果；位置回归模块用于使用s层卷积层进行最终的位置回归，输出目标的中心位置坐标和尺度信息；SE-FPN通过如下步骤构建：通过骨干网络提取不同层的特征fk，其中，k＝1,2,3，自上而下分别为f1、f2、f3，设从第i层开始构建特征金字塔，i从1开始:然后自上而下构建多层特征金字塔FPN，设从第i层构建FPN，i从1开始：S201：如果i＝1，直接将原始特征送入S202进行执行，得到新的特征；若i＞1，首先将上一层特征经过SE模块，生成带有不同通道权重的特征f′i-1，将f′i-1送入1×1的卷积模块，并通过上采样，生成与第i层特征相同分辨率和通道数的新特征f″i-1；将新的特征f″i-1与原始特征fi融合，得到第i层新的特征f′i，然后执行S202；S202：将S201中新的特征f′i经过n组卷积层后，生成最终的特征作为第i层的特征送入头部检测模块，进行分类和位置回归；将i加1后返回执行S201。

全文数据：

权利要求：

百度查询： 北京轩宇空间科技有限公司 基于SE-FPN的目标检测模型训练方法、目标检测方法及装置