一种基于端到端深度学习进行对象一致性检测方法

摘要

本发明提出了一种基于端到端深度学习进行对象一致性检测方法，旨在同时找到图像中对象的位置，类别和一致性，采用兴趣区域对齐层从图像特征图正确计算兴趣区域的特征，利用卷积层序列将RoI特征图上采样到高分辨卷积层获得一致性图，采用鲁棒策略调整训练模型来监督其一致性。对象检测用于对象定位，一致性检测将对象中的每个像素分配给其一致性标签，使用多任务损失进行训练包围盒分类、位置和一致性的映射，最后训练和推理获得一致性标签。本发明采用端到端深度学习，使用多任务损失函数联合优化对象检测和一致性检测，不需要额外信息，降低了训练和测试过程中的复杂性，有效地提高了检测的准确性，适用于实时机器人的应用。