[發明專利]一種基于卷積神經網絡的目標邊界實時檢測方法

有效

• 申請號: 202010556830.8
• 申請日: 2020-06-18
• 公開（公告）號: CN111753956B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 徐秋石;岳文靜;陳志;熊禮亮
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 秦秋星

1.一種基于卷積神經網絡的目標邊界實時檢測方法，其特征在于，包括以下步驟：

步驟1)將圖片輸入YOLO網絡，得到只含像素值的特征圖，預測邊界框坐標和置信評分預測值；

步驟2)以步驟1)中的特征圖的左上角為原點，橫向為x軸，縱向為y軸建立二維坐標系，將特征圖分成W×H個均勻分布的長寬相等的網格，W和H分別是沿水平方向和垂直方向的網格數，在每個網格上計算K個引用邊界框的坐標，K為預先設定的值，位置(i，j)網格上的引用邊界框坐標為其中分別是第i行第j個網格的中心點的橫坐標和縱坐標，分別是第k個引用邊界框的寬和高，步驟1)中的預測邊界框坐標表示方法是：位置(i，j)網格上的第k個預測邊界框的坐標為

步驟3)根據步驟2)中引用邊界框坐標和預測邊界框坐標計算出相關邊界框坐標和實際邊界框坐標，求得的在位置(i，j)網格上的第k個相關邊界框的坐標為(δx_ijk，δy_ijk，δw_ijk，δh_ijk)，在位置(i，j)網格上的第k個實際邊界框的坐標為

步驟4)將步驟3)中求得的位置(i，j)網格上的相關邊界框的坐標(δx_ijk，δy_ijk，δw_ijk，δh_ijk)與實際邊界框的坐標進行比較，計算兩邊界框的重疊值選擇與當前相關邊界框具有最大重疊的實際邊界框，設置最大重疊標志I_ijk；

步驟5)步驟1)中的置信評分預測值γ_ijk表示位置(i，j)網格上的第k個引用邊界框的置信評分預測值，根據I_ijk，和γ_ijk計算出每個引用邊界框的置信評分，將引用邊界框按置信評分由大到小排序，保留前N個邊界框，過濾多余的邊界框以獲得最終的檢測結果。

2.根據權利要求1所述的一種基于卷積神經網絡的目標邊界實時檢測方法，其特征在于所述步驟4)具體如下：

步驟41)對位置(i，j)網格上的相關邊界框(δx_ijk，δy_ijk，δw_ijk，δh_ijk)，實際邊界框坐標根據如下公式計算重疊值

步驟42)對位置(i，j)網格上的所有實際邊界框，比較設置最大重疊標志I_ijk，其含義為：若在位置(i，j)網格上的第k個實際邊界框與相關邊界框具有最大重疊，即在i，j相同的情況下，若所有重疊值中的第k個重疊值最大，則I_ijk的值為1，否則值為0。

3.根據權利要求1所述的一種基于卷積神經網絡的目標邊界實時檢測方法，其特征在于所述步驟5)具體如下：

步驟51)對最大重疊標志I_ijk，重疊值和置信評分預測值γ_ijk，根據如下函數計算前N個具有最高置信評分的引用邊界框的置信評分和：

其中

步驟52)對非前N個具有最高置信評分的引用邊界框，即無用邊界框，使用如下函數過濾這些多余的無用邊界框：

其中