[發明專利]基于yolo網絡的目標檢測方法、裝置和設備終端

有效

• 申請號: 202110944135.3
• 申請日: 2021-08-17
• 公開（公告）號: CN113392857B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 申嘯塵;喬國坤
• 申請（專利權）人: 深圳市愛深盈通信息技術有限公司
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市嘉勤知識產權代理有限公司 44651
• 代理人: 帥進軍

本申請涉及基于yolo網絡的目標檢測方法、裝置、設備終端和可讀存儲介質，該目標檢測方法通過獲取訓練數據中各個目標類別的初始預設特征復雜度，基于yolo網絡，根據各個目標類別的初始預設特征復雜度以及多個預設復雜度區間，建立各個預設復雜度區間各自的特征層結構，基于各自的特征層結構以及各個目標類別的初始預設特征復雜度，計算并調整各個預設復雜度區間的損失函數值，根據各個預設復雜度區間的損失函數值進行損失函數的拼接，以計算拼接后的損失函數的損失值，根據損失值進行權重和偏置更新以生成目標檢測模型，根據目標檢測模型對測試數據進行測試，輸出目標的位置信息和類別信息，提高了目標檢測的準確度。

技術領域

本申請涉及目標檢測技術領域，具體涉及一種基于yolo網絡的目標檢測方法、裝置、設備終端和可讀存儲介質。

背景技術

目前，目標檢測技術中yolo網絡（You only look once，你只看一次）應用十分廣泛，然而針對同一目標數據集，往往存在多個類別特征豐富度不同的類別特征，因此，若采用常規的訓練方法，無法有效的提取目標類別關鍵特征，導致yolo網絡難以收斂。

發明內容

鑒于此，本申請提供一種基于yolo網絡的目標檢測方法、裝置、設備終端和可讀存儲介質，以解決現有的yolo網絡在對包含類別特征類別特征豐富度不同的同一目標數據集進行檢測時無法收斂的技術問題。

一種基于yolo網絡的目標檢測方法，目標檢測方法包括：

獲取訓練數據中各個目標類別的初始預設特征復雜度，訓練數據包括同源異構數據；

基于yolo網絡，根據各個目標類別的初始預設特征復雜度以及多個預設復雜度區間，建立各個預設復雜度區間各自對應的特征層結構；

基于各自對應的特征層結構以及各個目標類別的初始預設特征復雜度，計算并調整各個預設復雜度區間的損失函數值；

根據各個預設復雜度區間的損失函數值進行損失函數的拼接，以計算拼接后的損失函數所對應的損失值；

根據損失值進行權重和偏置更新，直至拼接后的損失函數收斂以生成對應的目標檢測模型；

根據目標檢測模型對測試數據進行測試，輸出對應的目標的位置信息和類別信息。

在一個實施例中，基于yolo網絡，根據各個目標類別的初始預設特征復雜度以及多個預設復雜度區間，建立各個預設復雜度區間各自對應的特征層結構的步驟包括：

根據各個目標類別的初始預設特征復雜度，結合多個預設復雜度區間，將各個目標類別分別劃分到對應的預設復雜度區間；

基于yolo網絡，針對各個預設復雜度區間，分別建立對應的特征層結構。

在一個實施例中，根據各個預設復雜度區間的損失函數值進行損失函數的拼接，以計算拼接后的損失函數所對應的損失值的步驟包括：

結合每個預設復雜度區間中各個目標類別的總體特征復雜度，對各個預設復雜度區間各自所對應的特征層結構的損失函數值分別進行加權處理，得到拼接后的損失函數所對應的損失值。

在一個實施例中，預設復雜度區間的數量為兩個，根據各個目標類別的初始預設特征復雜度，結合多個預設復雜度區間，將各個目標類別分別劃分到對應的預設復雜度區間的步驟包括：

將初始預設特征復雜度大于預設復雜度閾值的目標類別劃分到第一預設復雜度區間，將初始預設特征復雜度小于或等于預設復雜度閾值的目標類別劃分到第二預設復雜度區間；

基于yolo網絡，針對各個預設復雜度區間，分別建立對應的特征層結構的步驟包括：