[發明專利]一種用于不規則圖形的目標檢測技術

在審

• 申請號: 202110316581.X
• 申請日: 2021-03-24
• 公開（公告）號: CN113420774A
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 廖家舟;劉志鵬;郭敬娜
• 申請（專利權）人: 成都理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種用于不規則圖形的目標檢測技術，其特征在于，實驗平臺包括CPU、GPU、編程語言、CUDA。

所述的CPU內存為16G，是電子計算機的主要設備之一，電腦中的核心配件。其功能主要是解釋計算機指令以及處理計算機軟件中的數據。

所述的GPU為NVIDIA GeForce GTX 1080Ti，采用了16nm制程GP102核心，擁有3584個CUDA核心，224個紋理單元，88個ROP單元，搭配352-bit 11GB GDDR5X超大容量顯存。該卡性能比GeForce GTX 1080提升35％，比GeForce GTX 1070提升78％，甚至超越了當前性能最強的卡皇NVIDIA TITAN X Pascal。

所述的編程語言為Python，該語言為我們提供了非常完善的基礎代碼庫，覆蓋了網絡、文件GUI、數據庫、文本等大量內容，被形象地稱作內置電池(batteries included)。Python的開發使得許多功能不再從零開始寫起，直接使用現成即可。Python除了內置的庫以外，還有許多第三方庫供編程者直接使用。Python的語言特點就是優雅、明確、簡單。因而被廣泛應用編碼中。

所述的CUDA全稱為Compute Unified Device Architecture，是顯卡廠商NVIDIA推出的運算平臺。CUDA是一種由NVIDIA推出的通用并行計算架構，該架構使GPU能夠解決復雜的計算問題。本專利使用的版本為CUDA10.0 with cudnn7.1。

2.根據權利要求1所述的系統，其特征在于對不規則圖形進行快速準確的目標檢測。為此所選用的算法在mobilenet_v2_224的基礎上添加了全連接層，網絡中的算法模型使用全卷積神經網絡，并在自制數據集上進行訓練和評估。本系統的實驗流程為：1.安裝ubuntu16.04操作系統，配置Anaconda版本為Anaconda3，python版本為3.6.5，CUDA版本為10.0，cudnn版本為7.1。Tensorflow-gpu 1.14.0以及其他所需要的安裝包。2.對數據集進行預處理操作，該操作在裝有Anaconda環境的pycharm中運行。3.對預處理過后的數據集使用mobilenet_v2_224_fpn算法進行目標檢測。4.通過評價指標在測試集上對該模型進行評價。該過程中激活函數使用RELU函數，如公式1所示。損失函數采用點回歸Loss1和邊緣回歸Loss2相結合的方式，Loss1如公式2所示，其中(x1，y1)，(x2，y2)，(x3，y3)，(x4，y4)為四邊形四個點的真實坐標，(x1'，y1')，(x2'，y2')，(x3'，y3')，(x4'，y4')為預測坐標。Loss2如公式3所示，a，b，c，d為四邊形四個角的角度。最終損失函數Loss如公式4所示。優化器選擇Adam算法優化器進行優化。評價指標采用mAP(mean average precision)，mean為類的別平均，average precision為一個類別的平均精確度，P(Precision)精確率的公式如公式5所示，R(Recall)召回率的公式如公式6，其中TP為True Positive，被判定為正樣本，事實上也是正樣本；TN為True Negative，被判定為負樣本，事實上也是負樣本；FP為FalsePositive，被判定為正樣本，但事實上是負樣本；FN為False Negative，被判定為負樣本，但事實上是正樣本。因而構成PR曲線。mAP的計算則為PR曲線的面積。

Loss＝Loss1+Loss2 公式4