一种基于比率自适应池化的多尺度特征物体检测算法

摘要

本发明涉及一种基于比率自适应池化的多尺度特征物体检测算法。包括以下步骤：(1)采集大量的图像，按照一定比例划分为训练集和测试集，并对训练集进行预处理；(2)将训练集输入到一个预训练好的神经网络(ResNet50)进行特征提取，获得对应的feature map；(3)将RPN嵌入在RAP结合FPN结构中生成不同尺度特征并对RPN进行训练；(4)将步骤(3)生成的不同尺度的ROI进行RoI Pooling，然后计算损失、分类、更细节的边框回归；(5)将测试集图像输入到训练好的检测模型中输出检测结果。本发明的方法能有效的缓解FPN在融合过程中损失语义问题，提升检测精度。