公开(公告)号：CN114445689B

公开(公告)日：2024-07-26

申请号：CN202210112397.8

申请日：2022-01-29

Applicant: 福州大学 ,  福建医科大学附属协和医院

Inventor： 陈飞 ,  李宜剑 ,  王波 ,  赵文新

IPC: G06V10/80 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N5/04

Abstract: 本发明涉及一种目标先验信息指导的多尺度加权融合目标检测方法及系统，该方法包括以下步骤：首先使用卷积神经网络进行特征提取，然后对目标尺寸、颜色及形状角度先验信息进行基于尺度大小的聚类，使用聚类结果得到的权重来指导多尺度特征的加权融合，使得多尺度检测在目标具有多种形态、大小的场景下能够更有针对性地学习目标尺度的分布；其次在多尺度动态加权融合之后，引入尺度特征贡献度微调来进一步学习多尺度特征图的贡献度，并使用先验信息权重引导初始化；最后将多尺度输出传入分类与回归两个子网络进行目标物体的定位与分类。该方法及系统可以有效地利用目标的先验信息解决目标尺度不均衡问题，提高目标检测的准确性。

公开(公告)号：CN114445689A

公开(公告)日：2022-05-06

申请号：CN202210112397.8

申请日：2022-01-29

Applicant: 福州大学 ,  福建医科大学附属协和医院

Inventor： 陈飞 ,  李宜剑 ,  王波 ,  赵文新

IPC: G06V10/80 ,  G06V10/762 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明涉及一种目标先验信息指导的多尺度加权融合目标检测方法及系统，该方法包括以下步骤：首先使用卷积神经网络进行特征提取，然后对目标尺寸、颜色及形状角度先验信息进行基于尺度大小的聚类，使用聚类结果得到的权重来指导多尺度特征的加权融合，使得多尺度检测在目标具有多种形态、大小的场景下能够更有针对性地学习目标尺度的分布；其次在多尺度动态加权融合之后，引入尺度特征贡献度微调来进一步学习多尺度特征图的贡献度，并使用先验信息权重引导初始化；最后将多尺度输出传入分类与回归两个子网络进行目标物体的定位与分类。该方法及系统可以有效地利用目标的先验信息解决目标尺度不均衡问题，提高目标检测的准确性。