[發明專利]一種基于三階級聯架構的YOLOv3的遠景目標檢測方法

有效

• 申請號: 202110534466.X
• 申請日: 2021-05-17
• 公開（公告）號: CN113239813B
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 張學睿;尚明生;張帆;姚遠;鄭志浩
• 申請（專利權）人: 中國科學院重慶綠色智能技術研究院;重慶大學
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/774;G06V10/34;G06V10/762;G06V10/75;G06N3/04;G06N3/08
• 代理公司: 重慶強大凱創專利代理事務所(普通合伙) 50217
• 代理人: 趙玉乾

1.一種基于三階級聯架構的YOLOv3的遠景目標檢測方法，其特征在于，該方法具體包括以下步驟：

S1：構建目標檢測模型：將準備好的遠景農作物圖片作為樣本圖片，再使用視覺相干混合技術和幾何手段進行數據增強，形成遠景數據集后再使用圖像標注軟件進行標注，最后通過三階級聯架構的YOLOv3算法進行訓練，生成目標檢測模型；構建目標檢測模型的具體步驟包括：

S101：準備遠景農作物樣本圖像作為數據集；

S102：采用視覺相干混合技術處理數據集，找到和數據集總數量相同且大小一樣的其它農作物的圖片，按0.1：0.9的比例將兩個數據集在像素層面上進行混合，得到混合后的遠景數據集；

S103：對混合后的遠景數據集采用幾何手段進行數據增強，對一半的圖片采用隨機水平翻轉，對另一半的圖片采用隨機顏色抖動，包括調整亮度、色調、飽和度以及對比度，將所有圖片放在一起，形成最終用來訓練的遠景數據集；

S104：通過圖像標注軟件LabelImg對圖像進行數據標注，生成與所標注圖片文件名相同的xml文件；

S105：使用K_Means算法計算樣本數據集的聚類中心，對于遠景數據集，將傳統YOLOv3設置的九個聚類中心增加到十二個聚類中心；

S106：將樣本數據集按照4：2：4的比例劃分為訓練集、驗證集和測試集；

S107：將訓練集圖片調整成不同尺寸構建圖像金字塔輸入網絡中，經過三階級聯架構與Darknet53提取圖片的特征，將特征進行按照隨機權重進行融合并把融合后的特征送到三個YOLO檢測層中，將特征圖劃分為三個不同數量的單元格，輸出帶有YOLO層所畫預測框的圖；

S108：對比YOLO層所畫預測框和anchor的坐標，采用logistic方式回歸坐標偏移量；

S109：同時使用logistic回歸對每個檢測框中存在物體的可能性進行評分，記為置信度，選出置信度最高的檢測框保留，其余框刪除；

S110：置信度評分后，網絡會對檢測框中的物體進行分類；

S111：將預測結果同訓練集的標注進行比較，判斷是否訓練完，如果未訓練完成，則根據比較結果和損失函數繼續訓練；如果訓練完成，則結束訓練，生成權重；

S112：將形成的權重通過剪枝算法，設置剪枝系數，縮小權重的大小及參數量，形成最終的目標檢測模型；

S2：采集檢測目標的視頻圖像，輸入目標檢測模型中進行目標檢測，得到含有置信得分的目標圖；進行目標檢測的具體步驟包括：

S201：輸入一張任意大小的圖片，保持圖片的長寬比不變并將圖片尺寸隨機縮放到16的倍數，形成歸一化圖像輸入網絡；

S202：通過三階的級聯卷積神經網絡對任務進行從粗到細進行處理；

三階級聯的每個階段的網絡都是一個多任務網絡；處理任務有三個：物體/非物體判定、物體檢測框回歸和特征點定位；其中，物體/非物體判定采用cross-entropy損失函數，物體檢測回歸采用歐式距離損失函數，特征點定位采用歐式距離損失函數；

S203：將經過級聯架構處理后的圖像，通過YOLOv3的主干網絡，采用殘差結構和小卷積核提取圖片特征，并將其每層特征層按隨機權重分配后進行特征融合；按淺層特征與深層特征對檢測功能的貢獻度不同，將淺層特征層賦予權重在0～0.5之間的隨機數w1，后面的深層特征則賦予0.5-1之間的隨機數w2；

p(y_i|x)＝soft max(g(v_x)+w₁*f_i(v_x)+w₂f_j(v_x))

其中，v_x表示某一張被預測為x的圖片，g為網絡層最后層的卷積函數，f_i表示淺層的卷積函數，f_j表示第二層卷積函數；

S204：使用特征金字塔結構，設置三個不同尺寸的檢測層分別針對大目標和小目標進行檢測，并以此輸出一個13*13×25的張量，一個26*26*25和一個52*52*25的張量；其中，在每個預測向量中，第1～5維為對應網格的第一個預測邊框及其置信度，第6～10維為對應網格的第二個預測邊框及其置信度，第11～15維為對應網格的第三個預測邊框及其置信度，第16～20維為對應網格的第四個預測邊框及其置信度，第21～25維對應網格中檢測到的目標所屬對應類別的概率；

S205：通過設置置信度閾值，將低于置信度閾值的預測邊框刪除；

S3：通過非極大值抑制算法比較置信度得分，得到目標的位置信息和置信度信息；

S4：根據得到的位置信息，對目標個數進行計算總數，得到最終的目標位置信息和數量信息。