公开(公告)号：CN113743521B

公开(公告)日：2023-06-27

申请号：CN202111061082.7

申请日：2021-09-10

Applicant: 中国科学院软件研究所

Inventor： 王伯英 ,  汲如意 ,  张立波 ,  武延军

IPC: G06V10/80 ,  G06V10/75 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度上下文感知的目标检测方法，其步骤包括：1)提取图像的多个尺度特征；2)通过空洞残差块对该多尺度特征中的顶层特征进行增强，得到具有高层次特征的顶层特征；3)对相邻层次的特征进行融合，生成金字塔特征；4)对金字塔特征进行聚合，获得特征Xm；5)通过依赖增强模块进一步增强特征Xm，生成增强后的特征Xo；6)将特征Xo分别通过上采样或者下采样的方式，与金字塔特征进行匹配相加；7)将步骤6)所得特征输入到候选区域生成网络中生成候选框，并提取候选框的特征；8)将候选框的特征输入到头部检测模块进行预测，然后通过非极大值抑制方法对候选框的检测结果进行过滤，得到物品的类别和位置信息。

公开(公告)号：CN113743521A

公开(公告)日：2021-12-03

申请号：CN202111061082.7

申请日：2021-09-10

Applicant: 中国科学院软件研究所

Inventor： 王伯英 ,  汲如意 ,  张立波 ,  武延军

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度上下文感知的目标检测方法，其步骤包括：1)提取图像的多个尺度特征；2)通过空洞残差块对该多尺度特征中的顶层特征进行增强，得到具有高层次特征的顶层特征；3)对相邻层次的特征进行融合，生成金字塔特征；4)对金字塔特征进行聚合，获得特征Xm；5)通过依赖增强模块进一步增强特征Xm，生成增强后的特征Xo；6)将特征Xo分别通过上采样或者下采样的方式，与金字塔特征进行匹配相加；7)将步骤6)所得特征输入到候选区域生成网络中生成候选框，并提取候选框的特征；8)将候选框的特征输入到头部检测模块进行预测，然后通过非极大值抑制方法对候选框的检测结果进行过滤，得到物品的类别和位置信息。

公开(公告)号：CN113723553A

公开(公告)日：2021-11-30

申请号：CN202111043125.9

申请日：2021-09-07

Applicant: 中国科学院软件研究所

Inventor： 王伯英 ,  汲如意 ,  张立波 ,  武延军

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于选择性密集注意力的违禁物品检测方法。本方法为：1)将待检测图像输入骨干网络中提取多尺度特征；所述多尺度特征包括高层语义特征和低层细节特征；2)选择性密集注意力网络通过自适应的学习不同尺度特征的权重，然后将高层语义特征与低层细节特征进行加权相加，得到融合后的特征图；3)对于融合后的特征图中的每一个点，生成不同尺度和宽高比的检测框；4)提取每一所述检测框的特征；5)将提取到的检测框特征输入到头部检测模块中进行分类和偏移值的预测；然后根据偏移值修正对应检测框的位置；然后通过非极大值抑制方法获得所述检测框中违禁物品的类别和位置。本方法能够显著提升违禁物品的检测效率。