CN113763381B 一种融合图像全局信息的对象检测方法及系统 （北京工业大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN113763381B(45)授权公告日2025.07.15

(21)申请号202111158075.9

(22)申请日2021.09.28

(65)同一申请的已公布的文献号申请公布号CN113763381A

(43)申请公布日2021.12.07

(73)专利权人北京工业大学

地址100022北京市朝阳区平乐园100号

专利权人北京市气象服务中心

GO6V10/82(2022.01)

GO6V10/764(2022.01)

GO6N3/0464(2023.01)

(56)对比文件

CN112581450A,2021.03.30审查员李娇

(72)发明人王全增李建强李博雅叶彩华尤焕苓白帆

(74)专利代理机构北京路浩知识产权代理有限公司11002

专利代理师程琛

(51)Int.CI.

GO6V10/80(2022.01)权利要求书3页说明书10页附图3页

(54)发明名称

一种融合图像全局信息的对象检测方法及系统

(57)摘要

CN113763381B本发明提供一种融合图像全局信息的对象检测方法及系统，方法包括：将待测图像输入至多层特征提取网络进行特征提取得到待测图像的多层特征结果；将多层特征结果进行双通路特征融合得到多层融合特征结果；其中，多层融合特征结果包括浅层融合特征结果、深层融合特征结果以及与预设检测分支层对应的中层融合特征结果；将特征优化后的浅层融合特征结果和特征优化后的深层融合特征结果融合至中层融合特征结果中，得到目标融合特征结果；将目标特征融合结果输入至花粉检测模块中，得到花粉检

CN113763381B

度。

将获取到的待测图像输入至训练好的多层特征提取网络进

行特征提取得到所述待测图像的多层特征结果；其中，所

述多层特征提取网络是基于样本图像以及与所述样本图像

对应的样本特征结果进行训练得到的

将所述多层特征结果进行双通路特征融合得到多层融合特

征结果；其中，所述多层融合特征结果包括浅层融合特征

结果、深层融合特征结果以及与预设检测分支层对应的中

层融合特征结果

将特征优化后的浅层融合特征结果和特征优化后的深层融

合特征结果融合至所述中层融合特征结果中，得到目标融

合特征结果

将所述目标特征融合结果输入至训练好的花粉检测模块

中，得到所述花粉检测模块输出的花粉检测结果；其中，

所述花粉检测模块是基于特征样本以及与所述特征样本对

应的样本检测结果进行训练得到的

S2

S3

S4

CN113763381B权利要求书1/3页

2

1.一种融合图像全局信息的对象检测方法，其特征在于，包括：

将获取到的待测图像输入至训练好的多层特征提取网络进行特征提取得到所述待测图像的多层特征结果；其中，所述多层特征提取网络是基于样本图像以及与所述样本图像对应的样本特征结果进行训练得到的，所述多层特征提取网络为是ResNet-50网络，所述多层特征结果包括特征图P3、特征图P4、特征图P5与特征图P6,其中，所述特征图P3、所述特征图P4、所述特征图P5与所述特征图P6的下采样倍率依次递增；

将所述多层特征结果进行双通路特征融合得到多层融合特征结果；其中，所述多层融合特征结果包括浅层融合特征结果、深层融合特征结果以及与预设检测分支层对应的中层融合特征结果；

将特征优化后的浅层融合特征结果和特征优化后的深层融合特征结果融合至所述中层融合特征结果中，得到目标特征融合结果；

将所述目标特征融合结果输入至训练好的花粉检测模块中，得到所述花粉检测模块输出的花粉检测结果；其中，所述花粉检测模块是基于特征样本以及与所述特征样本对应的样本检测结果进行训练得到的；

其中，所述浅层融合特征结果包括特征图P5m、特征图P4m?与特征图P3m,所述深层融合特征结果包括特征图P62,所述预设检测分支层对应的中层融合特征结果包括特征图P4m?与特征图P52;

所述将所述多层特征结果进行双通路特征融合得到多层融合特征结果的步骤中，具体包括：

将所述特征图P6上采样后与所述特征图P5进行逐元素相加，得到特征图P5m;

将所