[發明專利]一種基于檢測框密度優化的目標檢測應用方法

在審

• 申請號: 202010567120.5
• 申請日: 2020-06-19
• 公開（公告）號: CN113205106A
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 李至善;賈寶芝;何一凡
• 申請（專利權）人: 深圳瑞為智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳勝博時代專利代理事務所(普通合伙) 44506
• 代理人: 黃海艷

1.一種基于檢測框密度優化的目標檢測應用方法，其特征在于：包括以下步驟：

S1、收集訓練數據，提前收集好標注完成的圖像數據；

S2、數據集預處理，將圖像數據進行調整，所述調整包括圖像的隨機翻轉，對比度的隨機變換以及過濾無用數據；

S3、訓練目標檢測網絡模型，進行不少于200 Epoch的迭代，同時需適時地調整學習率讓模型收斂，等到模型收斂的時候在測試集上進行精度的測試，直至滿足需求；

S4、框的密度計算，首先將每一個檢測框的框位由框的幾何中心點來表示，然后對每一個檢測框定義一個敏感區域，所述敏感區域的圓心即是對應檢測框的幾何中心點，而直徑則是檢測框的長寬兩邊中較短邊，每一個檢測框都存在其敏感區域和中心點，每個檢測框的密度定義為同種類別檢測框且中心點在此檢測框的敏感區域的框的個數；

S5、密度過濾，與NMS算法同時進行，優先設置合適密度篩選閾值，統計每一個檢測框的密度，在NMS算法過程中保留密度大于密度篩選閾值，丟棄密度較小的檢測框，最終輸出結果。

2.如權利要求1所述的一種基于檢測框密度優化的目標檢測應用方法，其特征在于：所述收集訓練數據步驟中的圖像數據標注格式為Pascal VOC或者MS COCO。

3.如權利要求2所述的一種基于檢測框密度優化的目標檢測應用方法，其特征在于：所述訓練目標檢測網絡模型步驟中，若精度較差，不符合需求，則調整原始網絡的復雜度和參數量，隨后再次進行訓練，直至滿足需求。

4.如權利要求3所述的一種基于檢測框密度優化的目標檢測應用方法，其特征在于：在連續幀下進行檢測時，將模型遷移至實際的攝像頭的前端中，對攝像頭的每幀數據進行步驟S1-S5進行推理。