[發明專利]基于預測框自動修正的邊框回歸神經網絡構建方法

有效

• 申請號: 202011023567.2
• 申請日: 2020-09-25
• 公開（公告）號: CN112508168B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 劉晉;李怡瑤;高珍喻
• 申請（專利權）人: 上海海事大學
• 主分類號: G06N3/047
• 分類號: G06N3/047;G06N3/09
• 代理公司: 上海互順專利代理事務所(普通合伙) 31332
• 代理人: 成秋麗

1.一種基于預測框自動修正的邊框回歸神經網絡構建方法，其特征包含以下步驟：

步驟1：將邊界框參數化，將邊界框定義為一個四維向量，(x₁,y₁,x₂,y₂)∈R⁴，參數化方式如下：

其中，為預測偏移量，為ground?truth偏移量；y_1a，y_2a，x_1a,x_2a代表anchor的坐標；w_a,h_a為anchor的寬和高；代表groundtruth的坐標；

步驟2：邊界框各坐標x_i簡寫為為x，利用高斯分布計算預測框位置的概率分布，其計算公式為：

其中，θ表示可學習參數的集合；x_e是待估計的邊界框位置，σ為標準偏差；

步驟3：計算ground?truth邊界框在目標圖片中的瞬時密度分布，計算方法用改進的狄拉克函數：

P_D(x)＝δ(x-x_g)

其中，x_g表示ground?truth邊界框的位置，所引入的δ函數數學表示形式為：

δ_a(x)＝δ(x-a)＝0,(x≠a)

步驟4：最小化預測框與ground?truth邊界框之間損失函數，即：

其中，相對熵作為邊界框回歸的損失函數用L_reg表示，計算方法為：

步驟5：將以上得到的損失函數替代目標檢測神經網絡中原始的損失函數，訓練網絡生成一定數量的預測框；

步驟6：利用方差投票機制對個別預測框加以調整，計算出新的更加準確的預測框邊框的坐標，計算方法如下：

其中，σ_t是方差投票中可調的參數，根據所得坐標畫出預測框并輸出結果。