公开(公告)号：CN113850256B

公开(公告)日：2024-08-13

申请号：CN202111065576.2

申请日：2021-09-10

Applicant: 北京理工大学

Inventor： 聂振钢 ,  赵乐 ,  卢继华 ,  侯杰继 ,  马志峰 ,  韩航程 ,  谢民

IPC: G06V10/25 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048

Abstract: 发明涉及基于FSAF及快‑慢速权重的目标检测与识别方法，属于监督学习及目标识别技术领域。包括：1)搭建包括卷积层、特征图层、预测层的主干网络和RetinaNet有参考框分支；2)搭建FSAF分支并生成图像特征层的有效区及忽略区，具体为：在RetinaNet有参考框分支中每个层级的预测层都添加一个无参考框分支，对标准框在不同特征层的映射框按照A1倍比例缩小后作为有效区、A2倍比例缩小后作为忽略区；3)基于FSAF分支计算分类损耗加回归损耗的和：综合损耗；4)将最优化特征层对应的综合损耗输入标准优化器及LookAhead优化器，使得综合损耗收敛。所述方法引入无参考框机制和Lookahead快‑慢速权重优化器，实现了比RetinaNet网络更好的识别效果，识别精准度和损耗收敛速度都有提升。

公开(公告)号：CN113850256A

公开(公告)日：2021-12-28

申请号：CN202111065576.2

申请日：2021-09-10

Applicant: 北京理工大学

Inventor： 聂振钢 ,  赵乐 ,  卢继华 ,  侯杰继 ,  马志峰 ,  韩航程 ,  谢民

IPC: G06K9/32 ,  G06K9/62 ,  G06N3/04

Abstract: 发明涉及基于FSAF及快‑慢速权重的目标检测与识别方法，属于监督学习及目标识别技术领域。包括：1)搭建包括卷积层、特征图层、预测层的主干网络和RetinaNet有参考框分支；2)搭建FSAF分支并生成图像特征层的有效区及忽略区，具体为：在RetinaNet有参考框分支中每个层级的预测层都添加一个无参考框分支，对标准框在不同特征层的映射框按照A1倍比例缩小后作为有效区、A2倍比例缩小后作为忽略区；3)基于FSAF分支计算分类损耗加回归损耗的和：综合损耗；4)将最优化特征层对应的综合损耗输入标准优化器及LookAhead优化器，使得综合损耗收敛。所述方法引入无参考框机制和Lookahead快‑慢速权重优化器，实现了比RetinaNet网络更好的识别效果，识别精准度和损耗收敛速度都有提升。