[發明專利]一種目標樣本標簽的分配方法

在審

• 申請號: 202110965314.5
• 申請日: 2021-08-23
• 公開（公告）號: CN113657519A
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 朱曉東;劉國清;季思文
• 申請（專利權）人: 南京佑駕科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

本發明公開了圖像檢測領域的一種目標樣本標簽的分配方法，根據圖像中的目標中心點確定初始標簽區域；利用網絡模型生成預選錨點，初步篩選出初始標簽區域內的錨點；使用分類損失函數和位置回歸損失函數計算每個錨點的分類損失值和位置回歸損失值，將分類損失值和位置回歸損失值按照相應權重累加，得到各錨點的總損失值；根據總損失值選取最終錨點，對選取的最終錨點進行標簽分配，通過選取高置信度的部分點做為錨點，減少模糊錨點的標簽分配，為圖像中所有目標找到高置信度分配方式，同時，能減少檢測系統訓練時間，避免了添加額外的參數，有效提升檢測系統的性能。

技術領域

本發明屬于圖像檢測技術領域，具體涉及目標樣本標簽的分配方法。

背景技術

隨著汽車電動化智能化進程的不斷深入，國民的期望值提升，軟件改變了汽車屬性，自動駕駛的不斷進化逐步解放了駕駛員的注意力，直至完全擺脫人工干預，車輛也由單純的出行工具變成了移動私人空間。而自動駕駛的實現主要依靠各種傳感器對車輛周圍環境進行感知，通過目標檢測，識別與跟蹤等處理技術來評估危險性。

現階段比較流行目標檢測算法都通過預測一組預定義錨點的分類標簽進行目標檢測，例如一些方法采用固定中心點加角點的規則分配每個錨點所處的目標對象或背景，這種靜態策略會存在一個問題，它會導致對于具有不同大小、形狀或遮擋條件的目標對象的錨點劃分邊界會有所不同。對于單個目標的也就有很多不同置信度的錨點，遠離目標中心的點置信度越低，由于目標的大小、重疊，框的貼合度等問題，經常出現一些模棱兩可的錨點類別。

發明內容

本發明的目的在于提供一種目標樣本標簽的分配方法，通過選取高置信度的部分點做為錨點的標簽，減少模糊錨點的標簽分配，為圖像中所有目標找到高置信度分配方式。

為達到上述目的，本發明所采用的技術方案是：

本發明提供了一種目標樣本標簽的分配方法，包括：

根據圖像中的目標中心點確定初始標簽區域；

提取圖像的特征圖信息，然后在特征圖的每一特征點上生成預選錨點，初步篩選出初始標簽區域內的錨點；

使用分類損失函數和位置回歸損失函數計算初始標簽區域內的每個錨點的分類損失值和位置回歸損失值，將分類損失值和位置回歸損失值按照相應權重累加，得到各錨點的總損失值；

根據各錨點的總損失值選取最終錨點；

對選取的最終錨點進行標簽分配。

優選的，所述圖像的兩個對角點分別為(tl_x，tl_y)和(br_x，br_y)；所述初始標簽區域的兩個對角點分別為(ctl_x，ctl_y)和(cbr_x，cbr_y)；所述圖像的兩個對角點與所述初始標簽區域的兩個對角點的關系為：

其中n為調整初始標簽區域大小的參數。

優選的，所述分類損失函數為：

其中，a是錨點預測的概率值；錨點的標記為目標時，y為1，否則，y為0；x是所屬分類下各錨點,n'為所屬分類下錨點的數量。

優選的，假設錨點的預測框為A，錨點的標注框為B，位置回歸損失函數為：

其中IoU為預測框A與標注框B的交并比,代表A與B中心點之間的歐幾里得距離，c為A與B之間最小外接矩形測對角線的長度，v表示A與B之間長寬比的距離，α是權重系數。

優選的，v的計算公式為：