[發(fā)明專利]一種基于概率感知的檢測器融合方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110055452.X
• 申請日: 2021-01-15
• 公開（公告）號: CN112749751B
• 公開（公告）日: 2022-04-12
• 發(fā)明（設(shè)計(jì)）人: 張寶昌;毛明遠(yuǎn);郭杰;呂金虎
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 陳新生

本發(fā)明提供一種基于概率感知的檢測器融合方法及系統(tǒng)，包括：獲取若干個(gè)檢測器的融合檢測結(jié)果集合；將所述融合檢測結(jié)果集合中的置信度等級與檢測準(zhǔn)確度概率等級設(shè)置為一致，獲得所述融合檢測結(jié)果集合的mAP最大期望值；基于所述mAP最大期望值，采用條件概率獲得所述若干個(gè)檢測器的檢測框與檢測目標(biāo)匹配準(zhǔn)確率。本發(fā)明采用基于概率感知的方法，通過統(tǒng)計(jì)概率對檢測器中檢測框?qū)?yīng)的預(yù)測置信度進(jìn)行細(xì)化，得到更高的置信度，獲得更加合理的衡量檢測框質(zhì)量指標(biāo)，從而提高檢測融合模型的性能。

技術(shù)領(lǐng)域

本發(fā)明涉及目標(biāo)檢測技術(shù)領(lǐng)域，尤其涉及一種基于概率感知的檢測器融合方法及系統(tǒng)。

背景技術(shù)

目標(biāo)檢測是計(jì)算機(jī)視覺領(lǐng)域研究的熱點(diǎn)之一，近年來在目標(biāo)檢測領(lǐng)域所取得的重大成果大多基于卷積神經(jīng)網(wǎng)絡(luò)的檢測器模型，輸出結(jié)果為位置信息，分類標(biāo)簽以及置信度，這些模型僅關(guān)注單個(gè)檢測器模型優(yōu)化，無法滿足解決復(fù)雜的實(shí)際應(yīng)用的需求。

為滿足實(shí)際應(yīng)用，目前采用較多的方案是進(jìn)行檢測器融合。這些方案將來自不同檢測器的檢測框進(jìn)行融合，常用方法為非極大值抑制(Non-Maximum Suppression，NMS)和Soft-NMS，將各檢測器所得檢測器按照置信度將檢測框排序，將得分最高的檢測框保留并利用提前設(shè)定的閾值將其余與其有重疊的框抑制或更新置信度。后來又提出Soft-NMS，與NMS不同的是，Soft-NMS不會將與被選中檢測框重合度較高的檢測框的置信度分?jǐn)?shù)置為零，而是根據(jù)重合度的高低，將其置信度分?jǐn)?shù)削減，重合度越高，削減幅度越大，再通過預(yù)先設(shè)置的閾值，選出結(jié)果較好的一部分檢測框，而不是單純地抑制重合度較高的檢測框。

盡管目前采用的檢測器融合方法取得了一定的成效，但在融合之前，忽略了不同檢測器之間的置信差異問題，即來自不同檢測器具有相同置信度的檢測框具有較大的預(yù)測質(zhì)量差異問題。這種差異主要是由于在檢測器的回歸任務(wù)和分類任務(wù)重，前者利用的是目標(biāo)的中心點(diǎn)坐標(biāo)而后者利用的是目標(biāo)的凸出部分，故而二者的特征側(cè)重是不同的。置信度作為對檢測框排序的重要指標(biāo)，僅僅是對分類效果的反應(yīng)，故置信度并不能全面地同時(shí)反映出一個(gè)檢測框?qū)τ谀繕?biāo)的定位和分類情況。因此，利用傳統(tǒng)的利用置信度對檢測框進(jìn)行排序的方法并不能將結(jié)果最優(yōu)化。

為了證明按照置信度高低對檢測框進(jìn)行排序后融合并不是得到最優(yōu)結(jié)果的途徑，首先定義了統(tǒng)計(jì)概率(statistical probability，SP)，SP表示一個(gè)檢測框正確地匹配到目標(biāo)的概率。正確匹配的條件是檢測框與GT的IoU(Intersection over Union，交并比)超過預(yù)先設(shè)定的閾值(通常為0.5)并且檢測框預(yù)測的類別是正確的，并選擇mAP(Mean AveragePrecision，平均AP值)不同的幾個(gè)檢測器在COCO2017的驗(yàn)證集上測試，算出了不同置信度水平上正確預(yù)測了目標(biāo)的檢測框的比例用來估計(jì)SP，可以得出置信度并不能完全反應(yīng)檢測框預(yù)測的正確性，特別是在mAP不同的檢測器上，故通過傳統(tǒng)方法進(jìn)行檢測器融合并不能得到最優(yōu)的結(jié)果。

發(fā)明內(nèi)容

本發(fā)明提供一種基于概率感知的檢測器融合方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)中存在的缺陷。

第一方面，本發(fā)明提供一種基于概率感知的檢測器融合方法，包括：

獲取若干個(gè)檢測器的融合檢測結(jié)果集合；

將所述融合檢測結(jié)果集合中的置信度等級與檢測準(zhǔn)確度概率等級設(shè)置為一致，獲得所述融合檢測結(jié)果集合的mAP最大期望值；

基于所述mAP最大期望值，采用條件概率獲得所述若干個(gè)檢測器的檢測框與檢測目標(biāo)匹配準(zhǔn)確率。

在一個(gè)實(shí)施例中，所述將所述融合檢測結(jié)果集合中的置信度等級與檢測準(zhǔn)確度概率等級設(shè)置為一致，獲得所述融合檢測結(jié)果集合的mAP最大期望值，之后還包括：

采用預(yù)設(shè)反證法對所述將所述融合檢測結(jié)果集合中的置信度等級與檢測準(zhǔn)確度概率等級設(shè)置為一致進(jìn)行驗(yàn)證。