[發明專利]一種基于預測框誤差多階段回環處理的目標檢測方法

有效

• 申請號: 201911196318.0
• 申請日: 2019-11-29
• 公開（公告）號: CN111008656B
• 公開（公告）日: 2022-12-13
• 發明（設計）人: 惠國保;李亞鋒;張倩;孟創紀;郭儲冰
• 申請（專利權）人: 中國電子科技集團公司第二十研究所
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/74;G06V10/764;G06V10/25;G06V10/52;G06N3/04;G06N3/08
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 金鳳

1.一種基于預測框誤差多階段回環處理的目標檢測方法，其特征在于包括下述步驟：

1)預測框生成；

首先在共享卷積網絡最后層的特征映射圖上，采用錨框方法確定ROI的映射特征；ROI的映射特征經過網絡中間層獲得特征向量，再經過雙胞層全連接計算，在邊框回歸層上得到對應錨框的邊框調節量；按邊框調節量對錨框作相應調節，得到預測框形狀；在邊框分類層上得到預測框類別概率值，即得到帶有類別概率值的預測框；

邊框回歸層包含錨框個數的回歸權重組，每個權重組產生一個預測框，邊框回歸層產生一組預測框；

輸入邊框除了錨框，也包括回環的預測框；

2)雙胞層網絡修正

首先計算雙胞層損失，包括邊框回歸損失和邊框分類損失，邊框回歸損失和邊框分類損失通過比較預測框和GT框的誤差得出的，其中預測框是由第1)步得到；

雙胞層損失是邊框分類損失和邊框回歸損失的聯合損失，按照如下公式計算：

其中i為錨框索引號，每個錨框對應一個預測框，也可用于預測框索引，N_cls表示分類預測框樣本的總數，L_cls表示邊框分類網絡層得到預測框分類的損失，對于每個預測框，都有對應的類別分值pi，p＝(p₀,Λ,p_K)，包括背景類共有K+1個類，p_i是指第i個預測框得到所有的類別的分值，是指第i預測框對應的真實類別，共有K個真實類別，預測邊框分類損失采用交叉熵方法，N_reg表示邊框回歸樣本的總數，預測邊框回歸損失通過計算預測框b_i和GT框的重合率得到的，采用框與框的差距計算損失，λ為平衡參數；

獲得雙胞層損失后，通過反向傳播調整各自網絡權重參數，結合SGD方法端到端反向傳播調整網絡權重參數；

3)預測框回環處理；

預測框回環的目的是為了得到修正中間網絡層的特征向量誤差值，預測框回環是將第1)步生成的預測框回環至原圖中，得到新的感興趣區域，通過中間層處理，獲得回環預測框的特征向量；

預測框回環前需要對預測框篩選，篩選方法是過濾掉預測框背景類概率值大于全部目標類別概率平均值的預測框，全部類別概率平均值為K為前景類別數；

篩選后的預測框覆蓋在原圖上，與GT框比較，得到邊框差量，包括中心點的偏移和寬高的差量；在計算差量前，過濾掉與GT框重合比值小的預測框；

利用預測框與GT框的差量調整錨框形狀，在共享卷積層最后的特征圖上，得到新的感興趣區域，再將新的感興趣區域通過中間層處理，獲得回環預測框的特征向量；

4)中間層網絡修正

首先計算中間層損失，由錨框對應的感興趣區域得出的特征向量與第3)步得到的特征向量通過相似度計算，得到中間層損失量，兩個向量相似度計算方式如下：

其中漢明距離是指兩個相同長度的向量序列對應位不同的數量；

由公式(2)得到的漢明距離反向傳播調整滑窗權重值，通過滑窗與感興趣區域的反卷積計算，得到權重的調整量，修正滑窗權重；

5)迭代優化處理；

迭代優化為了不斷更新預測模型實現對邊框精調，即反復以預測框調整感興趣區域，獲得新的特征向量和新的預測框，每次預測框的生成，伴隨著雙胞層和中間層的修正，重復迭代，當預測框與GT框的IOU達到終止迭代條件，則終止迭代計算。

2.根據權利要求1所述的一種基于預測框誤差多階段回環處理的目標檢測方法，其特征在于：

所述擴展錨框數量至25個，即尺度有64、128、256、512，1024五種，長寬比1:3、1:2、1:1、2:1、3:1五種，則一次ROI生成25個預測框。

3.根據權利要求1所述的一種基于預測框誤差多階段回環處理的目標檢測方法，其特征在于：

所述迭代終止條件為預測框和GT框的IOU都達到95％時，則終止迭代。