[發(fā)明專利]大類非極大值抑制方法及其系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010107223.3
• 申請日: 2020-02-21
• 公開（公告）號: CN111339895B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計）人: 袁施薇
• 申請（專利權(quán)）人: 魔視智能科技（上海）有限公司
• 主分類號: G06V10/94
• 分類號: G06V10/94
• 代理公司: 上海遠同律師事務(wù)所 31307
• 代理人: 許力;張堅

一種大類非極大值抑制方法，包括以下步驟：一、將多個目標類別聚合分成多個大類；二、通過小類檢測框生成大類檢測框；三、通過非極大值抑制對各大類檢測框進行篩選，得到最終的大類檢測框；四、將步驟三得到的每個大類檢測框轉(zhuǎn)化為小類檢測框。本發(fā)明對于類別較多的檢測任務(wù)，利用目標類相同大類的其它小類的檢測信息，使得結(jié)果更加穩(wěn)定，檢測類別和檢測框的位置更加穩(wěn)定和準確，對于訓(xùn)練時數(shù)量較少的目標類，也可以借助其相同大類的其它小類的檢測信息，得到比較精準的檢測框。

技術(shù)領(lǐng)域

本發(fā)明涉及目標檢測技術(shù)領(lǐng)域，尤其涉及一種大類非極大值抑制方法及其系統(tǒng)。

背景技術(shù)

在實際應(yīng)用中，很多任務(wù)通過視覺方法來檢測我們需要的目標。其中，在目標檢測任務(wù)中最為常用的一種方法是對每張圖片產(chǎn)生大量的長方形候選框，來表示我們想要檢測出來的物體，一般來說，每個候選框都會預(yù)測得到一個置信度和候選框的坐標。同一個目標會有大量重疊的候選框，為了得到最終的檢測目標，非極大值抑制方法是一種最為有效和高速的方法。

針對于多類檢測的時候，普通的非極大值抑值方法一方面由于類別較多且多類別之間目標不均衡，另一方面僅僅依賴于分類中置信度最高的類別對應(yīng)的檢測而舍棄全部其他類得到的信息，會使得檢測的目標類別置信度低甚至類別判斷不準，且某些類別的檢測框不穩(wěn)定。

發(fā)明內(nèi)容

基于此，針對上述技術(shù)問題，提供一種大類非極大值抑制方法及其系統(tǒng)。

為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：

一種大類非極大值抑制方法，包括以下驟：

一、將多類別檢測任務(wù)預(yù)設(shè)的多個目標類別作為小類，聚合分成多個大類；

二、在通過目標檢測算法進行多類別檢測任務(wù)時，通過小類檢測框生成大類檢測框：

a、歸一化小類檢測框?qū)τ诿總€大類中的各小類的置信度，對于第K個大類中的第ki個小類，歸一化后的置信度為其中，小類檢測框由所述目標檢測算法得到，cls[ki]為小類檢測框?qū)τ诘趉i個小類的置信度，∑_icls[ki]表示對小類檢測框?qū)τ诘贙個大類中的各小類的置信度求和；

b、計算大類檢測框?qū)τ诟鞔箢惖闹眯哦菴LS[K]＝E_i(cls[ki])，其中，E_i(cls[ki])代表對小類檢測框?qū)τ诘贙個大類中的各小類的置信度求平均值；

c、計算大類檢測框的坐標BBX[K]＝∑_i(bbx[ki]*cls_uni[ki])，其中，bbx[ki]代表小類檢測框?qū)τ诓襟Eb中置信度最大的大類中第ki個小類的坐標；

三、通過非極大值抑制對各大類檢測框進行篩選，得到最終的大類檢測框；

四、將步驟三得到的每個大類檢測框轉(zhuǎn)化為小類檢測框：大類檢測框的坐標保持不變，將所述大類檢測框的大類類別中置信度最大的小類的類別和置信度作為該大類檢測框的類別和置信度。

所述步驟一根據(jù)外觀相似或者任務(wù)相似對各類別聚合分成多個大類。

本發(fā)明還涉及一種大類非極大值抑制系統(tǒng)，包括存儲模塊，所述存儲模塊包括由處理器加載并執(zhí)行的多條指令：

一、將多類別檢測任務(wù)預(yù)設(shè)的多個目標類別作為小類，聚合分成多個大類；

二、在通過目標檢測算法進行多類別檢測任務(wù)時，通過小類檢測框生成大類檢測框：

a、歸一化小類檢測框?qū)τ诿總€大類中的各小類的置信度，對于第K個大類中的第ki個小類，歸一化后的置信度為其中，小類檢測框由所述目標檢測算法得到，cls[ki]為小類檢測框?qū)τ诘趉i個小類的置信度，∑_icls[ki]表示對小類檢測框?qū)τ诘贙個大類中的各小類的置信度求和；