[發(fā)明專利]一種基于改進(jìn)NMS算法的目標(biāo)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110888783.1
• 申請(qǐng)日: 2021-08-03
• 公開(kāi)（公告）號(hào): CN113591734A
• 公開(kāi)（公告）日: 2021-11-02
• 發(fā)明（設(shè)計(jì)）人: 孟慶巖;張琳琳;趙茂帆;安健健
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院空天信息創(chuàng)新研究院;三亞中科遙感研究所
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京億騰知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 陳霽

針對(duì)NMS算法的數(shù)據(jù)處理過(guò)程中，計(jì)算過(guò)程粗暴，有較大的計(jì)算缺陷，本發(fā)明在傳統(tǒng)NMS算法第四部數(shù)據(jù)計(jì)算中，進(jìn)行置信度歸零法改進(jìn)及貪婪法篩選候選框改進(jìn)，公開(kāi)了一種基于改進(jìn)NMS算法的目標(biāo)檢測(cè)方法，減小計(jì)算工作量，提高檢測(cè)的效率；該方法包括如下步驟：步驟1)基于NMS算法，設(shè)置所有候選框篩選時(shí)固定的閾值Sc；步驟2)對(duì)候選框集合B進(jìn)行降序排列；步驟3)將候選框集合B中最高的置信度值添加保留至集合D中，并從集合B中移除A；步驟4)計(jì)算A、B兩個(gè)候選框集合中剩余候選框的I OU值，采用面積比較法和重疊部分長(zhǎng)度比較法來(lái)改進(jìn)貪婪方式篩選過(guò)程；步驟5)對(duì)候選框集合全部進(jìn)行上述數(shù)據(jù)處理過(guò)程；步驟6)基于此方法進(jìn)行目標(biāo)檢測(cè)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于改進(jìn)NMS算法的目標(biāo)檢測(cè)方法，基于NMS算法的改 進(jìn)提高了檢測(cè)精度，而且加快了檢測(cè)速度。

背景技術(shù)

近年來(lái)，隨著圖像數(shù)據(jù)的指數(shù)型增長(zhǎng)與計(jì)算機(jī)技術(shù)的高速發(fā)展，深度學(xué)習(xí)的 實(shí)踐能力被得到廣泛開(kāi)發(fā)。基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法通過(guò)將大量數(shù)據(jù)輸入 多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，將圖像數(shù)據(jù)轉(zhuǎn)換成計(jì)算機(jī)能夠識(shí)別的特征向量，經(jīng)過(guò)計(jì)算 機(jī)對(duì)數(shù)據(jù)特征的提取，自動(dòng)學(xué)習(xí)數(shù)據(jù)中蘊(yùn)含的特征信息，最終得到更為抽象的數(shù) 據(jù)特征，避免了事先進(jìn)行人為特征標(biāo)定的弊端，因而該網(wǎng)絡(luò)學(xué)習(xí)能力和檢測(cè)準(zhǔn)確 率都極大提高，同時(shí)具有較強(qiáng)的泛化能力和魯棒性。傳統(tǒng)目標(biāo)檢測(cè)算法由于檢測(cè) 精度達(dá)不到實(shí)際需求，且特征表達(dá)能力不強(qiáng)，已不能滿足生產(chǎn)實(shí)踐和經(jīng)濟(jì)發(fā)展的 需要，深度學(xué)習(xí)目標(biāo)檢測(cè)算法與此相比展現(xiàn)了強(qiáng)大的功能，在計(jì)算機(jī)硬件水平的 支持下，快速進(jìn)行大量數(shù)據(jù)計(jì)算與處理，已成為目標(biāo)檢測(cè)的主流技術(shù)。通過(guò)對(duì)八 種典型目標(biāo)檢測(cè)算法進(jìn)行性能對(duì)比，比較各算法的優(yōu)缺點(diǎn)，并得出結(jié)論，同時(shí)在 該數(shù)據(jù)集上選取性能較優(yōu)的YOLOv4算法進(jìn)行非極大值抑制算法的改進(jìn)，并對(duì) 比改進(jìn)前后檢測(cè)精度和檢測(cè)時(shí)間的差異，展示改進(jìn)算法的優(yōu)勢(shì)，最后將改進(jìn)后的 YOLOv4算法開(kāi)發(fā)成軟件，以便更好的應(yīng)用于生產(chǎn)實(shí)踐。

發(fā)明內(nèi)容

針對(duì)NMS算法過(guò)程中具有較大的計(jì)算缺陷問(wèn)題，提出了一種基于改進(jìn)NMS 算法的目標(biāo)檢測(cè)方法，該方法包括如下步驟(其中深度網(wǎng)絡(luò)計(jì)算輸出的所有候選 的預(yù)檢框集合可用B表示，采用NMS算法進(jìn)行篩選等數(shù)據(jù)處理，得到的檢測(cè)框 集合可用D表示，候選框集合對(duì)應(yīng)的置信度值集合可用S表示，A表示所有候選 框集合中置信度值最高的檢測(cè)框，Sc表示候選框篩選時(shí)設(shè)置的閾值，Nt表示為 IOU計(jì)算時(shí)設(shè)置的重疊閾值)：

步驟1)設(shè)置所有候選框篩選時(shí)固定的閾值Sc，將候選框集合B中置信度 值小于篩選閾值的預(yù)檢框的置信度值設(shè)置為0；

步驟2)以候選框置信度值為依據(jù)，對(duì)候選框集合B進(jìn)行降序排列；

步驟3)將候選框集合B中最高的置信度值添加保留至集合D中，并從集合 B中移除A；

步驟4)計(jì)算A、B兩個(gè)候選框集合中剩余候選框的IOU值，設(shè)置IOU篩選 重疊閾值Nt，將候選框集合計(jì)算結(jié)果中大于重疊閾值的候選框的置信度值設(shè)為 0；

步驟5)根據(jù)設(shè)置固定的篩選閾值，對(duì)候選框集合全部進(jìn)行上述2)、3)、4) 數(shù)據(jù)處理過(guò)程，完成所有候選框的篩選工作；

步驟6)基于此方法進(jìn)行目標(biāo)檢測(cè)。

進(jìn)一步，所述步驟4)的具體方法為：

使用分段函數(shù)來(lái)完成對(duì)置信度的調(diào)整，置信度調(diào)整的關(guān)鍵在于各個(gè)線性函 數(shù)斜率的確定方式和斜率的大小以及取值區(qū)間范圍的劃分。綜合考慮，將Nt的 值選為0.3。在確定了Nt的值后，又將函數(shù)區(qū)間分為了五個(gè)區(qū)段，衰減速率會(huì) 隨著IOU和重疊閾值之間距離的增大而隨之增大，線性函數(shù)各個(gè)分段區(qū)域的斜 率的絕對(duì)值大小也應(yīng)隨之增大。通過(guò)計(jì)算可得各個(gè)分段線性函數(shù)的衰減系數(shù)值。

進(jìn)一步，所述步驟4)的具體方法為：