[發明專利]一種基于SSD目標檢測的優化方法、計算機設備和介質有效
| 申請號： | 202010093422.3 | 申請日： | 2020-02-14 |
| 公開（公告）號： | CN111368878B | 公開（公告）日： | 2023-02-28 |
| 發明（設計）人： | 雷青;郭睿;王震;許程 | 申請（專利權）人： | 北京電子工程總體研究所 |
| 主分類號： | G06V10/764 | 分類號： | G06V10/764;G06V10/82;G06V10/74 |
| 代理公司： | 北京正理專利代理有限公司 11257 | 代理人： | 付生輝 |
| 地址： | 100854*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 ssd 目標 檢測 優化 方法 計算機 設備 介質 | ||
本發明公開了一種基于SSD目標檢測的優化方法、計算機可讀存儲介質和計算機設備，所述優化方法包括：將訓練圖像輸入目標檢測網絡并獲取多個候選框；分別將各候選框與預設置的樣本真值框進行比較以獲取正樣本候選框和負樣本候選框；分別計算各負樣本候選框的分類概率；根據各負樣本候選框的分類概率計算該負樣本候選框的第一損失函數值和第二損失函數值；根據負樣本候選框的第一損失函數值獲取預設數量的第一負樣本候選框；根據負樣本候選框的第二損失函數值獲取預設數量的第二負樣本候選框；根據正樣本候選框、第一負樣本候選框和第二負樣本候選框優化所述目標檢測網絡。本發明提供的實施例能夠有效降低目標檢測網絡的分類損失函數的誤檢率。
技術領域
本發明涉及SSD目標檢測領域，特別是涉及一種基于SSD目標檢測的優化方法、計算機可讀存儲介質和計算機設備。
背景技術
隨著第三波人工智能的飛速發展，各種基于深度學習目標檢測網絡的優化方法不斷出現。在目標檢測應用中，目標檢測的損失函數一般包括定位損失函數和分類損失函數，現有技術中的分類損失函數多采用softmaxloss損失函數和focalloss損失函數。然而在實際應用中發現，現有目標檢測網絡中存在一定比例的誤檢率，降低了目標檢測的準確率。
發明內容
為了解決上述問題，本發明第一個實施例提供一種基于SSD目標檢測的優化方法，包括：
將訓練圖像輸入SSD目標檢測網絡并獲取多個候選框；
分別將各所述候選框與預設置的樣本真值框進行比較以獲取正樣本候選框和負樣本候選框；
分別計算各所述負樣本候選框的分類概率；
根據各所述負樣本候選框的分類概率計算該負樣本候選框的第一損失函數值和第二損失函數值；
根據所述負樣本候選框的第一損失函數值獲取預設數量的第一負樣本候選框；
根據所述負樣本候選框的第二損失函數值獲取預設數量的第二負樣本候選框；
根據所述正樣本候選框、第一負樣本候選框和第二負樣本候選框使用梯度優化方法優化所述SSD目標檢測網絡。
進一步的，所述負樣本候選框的分類概率為：
其中，j為分類類別，aj為j分類類別的的樣本輸入值，T為分類個數，ak為各分類類別的的樣本輸入值。
進一步的，所述負樣本候選框的第一損失函數值為：
其中，j為分類類別，yj表示所述負樣本候選框是否屬于類別j，若屬于則yj＝1，否則yj＝0。
進一步的，所述負樣本候選框的第二損失函數值為：
L′＝max(Sj)-S0
其中，Sj為所述負樣本候選框的分類概率，j0，S0為所述負樣本候選框為預設類別的分類概率。
進一步的，所述根據所述負樣本候選框的第一損失函數值獲取預設數量的第一負樣本候選框進一步包括：
對各所述負樣本候選框進行NMS篩選以刪除冗余的負樣本候選框；
根據篩選后的各所述負樣本候選框的第一損失函數值進行排序并按照排序順序選取預設數量的第一負樣本候選框。
進一步的，所述根據所述負樣本候選框的第二損失函數值獲取預設數量的第二負樣本候選框進一步包括：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京電子工程總體研究所，未經北京電子工程總體研究所許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010093422.3/2.html，轉載請聲明來源鉆瓜專利網。
