(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111633903.X (22)申请日 2021.12.2 9 (71)申请人 深圳供电局有限公司 地址 518000 广东省深圳市罗湖区深南 东 路4020号电力调度通信大楼 (72)发明人 曹宁　符国晖　韦波　蒋晓东　 彭澎　罗展标　李福权　 (74)专利代理 机构 深圳汇智容达专利商标事务 所(普通合伙) 44238 代理人 孙威 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 一种用于目标识别的网络系统及方法 (57)摘要 本发明提供一种用于目标识别的网络系统 及方法， 包括， 依次连接的基础网络层、 特征层及 回归层； 所述基础网络层， 用以对输入的目标图 像提取不同特征并对通过预设的计算规则对提 取的特征进行处理； 所述基础网络层至少包括多 个滤波器和卷积层， 所述滤波器用以提取目标图 像的特征； 所述卷积层用以通过预设的反向传播 算法处理提取的特征； 特征层， 用以对提取的特 征进行融合， 并对融合后的特征进行训练； 回归 层， 用以通过预设的多层的目标预选框对训练后 的特征进行目标的进行选取， 得到预测区域。 本 发明实现通过轻量级网络在满足性能上良好和 电脑内存更小的同时在本地样本集的测试环境 下有良好的表现。 权利要求书2页 说明书6页 附图2页 CN 114282656 A 2022.04.05 CN 114282656 A 1.一种用于目标识别的网络系统， 其特征在于， 包括： 依次连接的基础网络层、 特征层 及回归层； 所述基础网络层， 用以对输入的目标图像提取不同特征并对通过预设的计算规则对提 取的特征进行处理； 所述基础 网络层至少包括多个滤波器和卷积层， 所述滤波器用以提取 目标图像的特 征； 所述卷积层用以通过 预设的反向传播 算法处理提取的特 征； 特征层， 用以对提取的特 征进行融合， 并对融合后的特 征进行训练； 回归层， 用以通过预设的多层的目标预选框对训练后的特征进行目标的进行选取， 得 到预测区域。 2.如权利要求1所述的用于目标识别的网络系统， 其特征在于， 所述卷积层内的卷积核 数量与所述滤波器的大小值和输出通道数对应设置， 所有卷积核等效全连接 。 3.如权利要求2所述的用于目标识别的网络系统， 其特征在于， 所述特征层至少包括六 层神经网络， 每一层神经网络 至少包括依次连接的Batc hNorm层、 Scale层 及Relu层； 所述BatchNorm层， 用以对每一个批处理的数据进行归一化处理， 并利用滑移平均计算 更新全局的统计量； 所述Scale层， 用以对所述Batc hNorm层输出的数据进行线性变换； 所述Relu层， 用以对所述Scale层的输出量通过预设的线性整流激活函数进行计算， 将 计算结果输出至下一层神经网络或作为整个神经网络的输出。 4.如权利要求3所述的用于目标识别的网络系统， 其特征在于， 所述 回归层根据训练后 的特征通过预设的多层的目标预选框选取， 并根据选取的特征检测到不同尺度的预测 区 域， 将所述预测区域映射到所述目标图像上。 5.如权利要求4所述的用于目标识别的网络系统， 其特征在于， 所述 回归层还用于根据 以下公式将所述预测区域映射到所述目标图像上： lcx＝(bcx‑dcx)/dw， lcy＝(bcy‑dcy)/dh lw＝log(bw/dw)， lh＝log(bh/dh) 其中， N表示目标预选框的数量， g表示预测区域， x表示预测区域的类别， cx、 cy、 w和h表 示目标预选框的中心点 坐标及宽、 高。 6.一种用于目标识别的方法， 通过如权利要求1 ‑5任一项所述的网络系统进行实现， 其 特征在于， 包括： 输入的目标图像； 对输入的目标图像提取不同特 征并对通过 预设的计算 规则对提取的特 征进行处 理；权　利　要　求　书 1/2 页 2 CN 114282656 A 2对提取的特 征进行融合， 并对融合后的特 征进行训练； 通过预设的多层的目标 预选框对训练后的特 征进行目标的进行选取， 得到预测区域。 7.如权利要求6所述的方法， 其特 征在于， 还 包括： 通过所述BatchNorm层对提取的特征进行归一化处理， 并利用滑移平均计算更新全局 的统计量； 通过所述Scale层对特 征进行线性变换； 通过所述Relu层对线性变换后的特征通过预设的线性整流激活函数进行计算， 并将计 算结果输出。 8.如权利要求7 所述的方法， 其特 征在于， 还 包括： 根据训练后的特征通过预设的多层的目标预选框选取， 并根据选取的特征检测到不同 尺度的预测区域， 将所述预测区域映射到所述目标图像上。 9.如权利要求8所述的方法， 其特征在于， 根据以下公式将所述预测区域映射到所述目 标图像上： lcx＝(bcx‑dcx)/dw， lcy＝(bcy‑dcy)/dh lw＝log(bw/dw)， lh＝log(bh/dh) 其中， N表示目标预选框的数量， g表示预测区域， x表示预测区域的类别， cx、 cy、 w和h表 示目标预选框的中心点 坐标及宽、 高。权　利　要　求　书 2/2 页 3 CN 114282656 A 3