[發(fā)明專利]基于交并比覆蓋率損失與重定位策略的目標(biāo)匹配方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110024883.X
• 申請(qǐng)日: 2021-01-08
• 公開(kāi)（公告）號(hào): CN113011417B
• 公開(kāi)（公告）日: 2023-02-10
• 發(fā)明（設(shè)計(jì)）人: 陳逢軍;陸澤金
• 申請(qǐng)（專利權(quán)）人: 湖南大學(xué)
• 主分類號(hào): G06V30/146
• 分類號(hào): G06V30/146;G06V30/18;G06V30/19;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.基于交并比覆蓋率損失與重定位策略的目標(biāo)匹配方法，其特征在于，包括以下步驟：

步驟一：利用交并比覆蓋率損失訓(xùn)練候選區(qū)域提取器，候選區(qū)域提取器從輸入的場(chǎng)景圖像中提取帶有位置與置信度信息的候選區(qū)域；

所述步驟一中交并比覆蓋率損失是距離約束項(xiàng)、交并比覆蓋率項(xiàng)和形狀約束項(xiàng)三項(xiàng)組成的一種損失函數(shù)；所述交并比覆蓋率損失定義為：

所述距離約束項(xiàng)定義為：

其中，b_pr與b_pl是候選區(qū)域的右下角點(diǎn)與左上角點(diǎn)，b_gr與b_gl是目標(biāo)對(duì)象的右下角與左上角，ρ(·)是歐幾里得距離，c是覆蓋目標(biāo)對(duì)象與候選區(qū)域的最小矩形封閉區(qū)域的對(duì)角線長(zhǎng)度；

所述交并比覆蓋率項(xiàng)定義為：

其中，B^pb與B^gt分別是候選區(qū)域與目標(biāo)對(duì)象，α是交并比覆蓋率的權(quán)重參數(shù)；

所述形狀約束項(xiàng)定義為：

其中，w與h是目標(biāo)對(duì)象的寬與長(zhǎng)，w^gt與h^gt是候選區(qū)域的寬與長(zhǎng)；

步驟二：特征提取器對(duì)輸入的目標(biāo)圖像進(jìn)行特征提取；

步驟三：利用候選區(qū)域驗(yàn)證策略，將不匹配的候選區(qū)域篩除，獲得目標(biāo)區(qū)域的粗定位位置；

所述步驟三中候選區(qū)域驗(yàn)證策略是通過(guò)度量候選區(qū)域與目標(biāo)對(duì)象特征的類別相似度、目標(biāo)相似度以及形狀召回率獲得該候選區(qū)域置信度，并通過(guò)候選區(qū)域的置信度選定目標(biāo)區(qū)域；

所述候選區(qū)域置信度定義為：

Conf(t|r)＝Sim(t|r)^S_r^T_recall；

所述候選區(qū)域與目標(biāo)對(duì)象特征的類別相似度定義為：

其中，f_t與f_r分別是從目標(biāo)與候選區(qū)域中提取的特征；

所述候選區(qū)域與目標(biāo)對(duì)象特征的目標(biāo)相似度S_r定義為：

其中，μ與λ是歸一化因子；I_p與I_q是a與b位置的像素值，Z是歸一化因子，ρ是邊緣像素減重因子；T表示目標(biāo)，R表示候選區(qū)域，ξ是歸一化因子，p是像素位置，h(p)表示像素p的出現(xiàn)權(quán)重；

所述候選區(qū)域與目標(biāo)對(duì)象特征的形狀召回率定義為：

步驟四：目標(biāo)區(qū)域調(diào)整模塊通過(guò)對(duì)目標(biāo)區(qū)域的尺度與位置調(diào)整獲得目標(biāo)感興趣區(qū)域，并利用重定位策略在目標(biāo)感興趣區(qū)域內(nèi)獲取目標(biāo)區(qū)域的精定位位置；

所述步驟四中重定位策略重新匹配目標(biāo)對(duì)象位置，所述重定位策略是利用候選區(qū)域提取器在調(diào)整后的目標(biāo)區(qū)域內(nèi)再次提取目標(biāo)對(duì)象位置得到精定位位置。

2.如權(quán)利要求1所述的基于交并比覆蓋率損失與重定位策略的目標(biāo)匹配方法，其特征在于，所述步驟一具體為：

Setp1：利用交并比覆蓋率損失訓(xùn)練候選區(qū)域提取器，候選區(qū)域提取器是一種卷積神經(jīng)網(wǎng)絡(luò)；

Step2：根據(jù)所述Step1所得的候選區(qū)域提取器對(duì)輸入的場(chǎng)景圖像進(jìn)行候選區(qū)域提取，得到一系列帶有位置與置信度信息的候選區(qū)域。

3.如權(quán)利要求1所述的基于交并比覆蓋率損失與重定位策略的目標(biāo)匹配方法，其特征在于，所述步驟二中的所述特征提取器是一種深層卷積神經(jīng)網(wǎng)絡(luò)。

4.如權(quán)利要求1所述的基于交并比覆蓋率損失與重定位策略的目標(biāo)匹配方法，其特征在于，所述步驟四中的所述目標(biāo)區(qū)域調(diào)整和重定位策略，具體為：

所述目標(biāo)區(qū)域調(diào)整模塊對(duì)所述步驟三得到的目標(biāo)區(qū)域進(jìn)行位置與尺度的調(diào)整；所述目標(biāo)區(qū)域調(diào)整模塊的位置偏移量和尺度變化量是根據(jù)候選區(qū)域與目標(biāo)對(duì)象特征的差異值進(jìn)行計(jì)算得到。