[發明專利]一種基于特征確定交并比閾值的目標檢測方法

有效

• 申請號: 202110514588.2
• 申請日: 2021-05-11
• 公開（公告）號: CN113408342B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 黃惠;沈思婷;陳柱瀚
• 申請（專利權）人: 深圳大學
• 主分類號: G06V20/00
• 分類號: G06V20/00;G06V10/25;G06V10/72
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 朱陽波

1.一種基于特征確定交并比閾值的目標檢測方法，其特征在于，所述方法包括：

獲取目標圖片的目標特征信息，所述目標特征信息體現所述目標圖片的特征；

獲取交并比分布數據，所述交并比分布數據是體現區域提案網絡輸出的候選框與對應的真實標注框之間的交并比的統計分布的數據；

基于所述目標特征信息和所述交并比分布數據獲取目標交并比閾值；

基于所述目標交并比閾值對所述目標圖片進行目標檢測；

所述獲取交并比分布數據包括：

獲取區域提案網絡輸出的候選框；

基于所述候選框獲取所述交并比分布數據；

所述基于所述候選框獲取所述交并比分布數據，包括：

分別獲取與各所述候選框對應的真實標注框；

計算獲取各候選框與對應的真實標注框之間的統計交并比數據；

基于所述統計交并比數據和預設的交并比區間獲取各交并比區間中包含的候選框數目占所述候選框的總數的比例，統計獲取交并比分布信息；

基于所述交并比分布信息獲取所述交并比分布數據；

所述基于所述交并比分布信息獲取所述交并比分布數據，包括：

基于所述交并比分布信息計算獲取交并比均值和交并比方差；

分別使用全連接層對所述交并比均值和所述交并比方差進行學習，獲取目標交并比均值和目標交并比方差，作為所述交并比分布數據；

所述基于所述目標特征信息和所述交并比分布數據獲取目標交并比閾值，包括：

將所述目標特征信息、所述目標交并比均值和所述目標交并比方差作為正態分布公式的輸入，通過全連接層網絡學習獲取目標分布公式；

基于所述目標分布公式獲取交并比調整增量；

獲取預設的交并比基礎參數，基于所述交并比基礎參數和所述交并比調整增量獲取所述目標交并比閾值；

所述目標分布公式為：

其中，μ為tanh激活函數，ΔI為計算獲得的交并比調整增量，e為自然常數，x′為目標特征信息，m′為目標交并比均值，v′為目標交并比方差。

2.根據權利要求1所述的基于特征確定交并比閾值的目標檢測方法，其特征在于，所述獲取目標圖片的目標特征信息包括：

獲取所述目標圖片對應的特征圖；

將所述特征圖輸入全連接層進行特征學習，獲得所述目標圖片的目標特征信息。

3.根據權利要求1所述的基于特征確定交并比閾值的目標檢測方法，其特征在于，所述基于所述目標交并比閾值對所述目標圖片進行目標檢測，包括：

基于所述目標交并比閾值進行正負樣本劃分，通過兩階段目標檢測的方式對所述目標圖片進行目標檢測。

4.根據權利要求1所述的基于特征確定交并比閾值的目標檢測方法，其特征在于，在所述基于所述目標交并比閾值對所述目標圖片進行目標檢測之后，所述方法還包括：

獲取回歸框；

基于所述回歸框獲取回歸難度分布；

基于所述回歸難度分布計算獲取難度分布偏態系數；

基于所述難度分布偏態系數和所述交并比調整增量計算獲取目標損失；

將所述目標損失進行梯度回傳。

5.根據權利要求4所述的基于特征確定交并比閾值的目標檢測方法，其特征在于，所述基于所述回歸框獲取回歸難度分布，包括：

分別獲取與所述回歸框對應的真實標注框，計算所述真實標注框和所述回歸框的回歸交并比；

對于每一個所述真實標注框，基于所述回歸交并比獲取各所述真實標注框對應的目標數目，其中，所述目標數目為所述真實標注框對應的目標回歸框的個數，所述目標回歸框與所述真實標注框的目標交并比大于預設回歸閾值；

獲取預設的目標數目區間，分別統計各目標數目區間對應分布的真實標注框的比例，作為所述回歸難度分布。

6.根據權利要求5所述的基于特征確定交并比閾值的目標檢測方法，其特征在于，所述目標損失為目標難度乘積和0之間的較大者，其中，所述目標難度乘積為所述難度分布偏態系數與所述交并比調整增量的乘積。