[發明專利]基于Focal-EIOU的YOLOv4目標檢測方法

在審

• 申請號: 202210160471.3
• 申請日: 2022-02-22
• 公開（公告）號: CN114548269A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 焦良葆;陳穎;曹雪虹;孟琳;張嘉超;朱紅
• 申請（專利權）人: 南京工程學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06V10/764;G06V10/774
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 徐燕

1.一種基于Focal-EIOU的YOLOv4目標檢測方法，其特征在于，所述目標檢測方法包括以下步驟：

S1，對樣本標簽進行平滑處理；

S2，根據余弦退火算法優化學習率；

S3，基于YOLOv4網絡構建目標檢測模型，采用Focal-EIOU替換原YOLOv4網絡中的CIOU邊界框損失函數；

S4，利用遷移學習思想，將訓練分為兩個階段，分別是凍結階段和解凍階段，進行網絡訓練；

在網絡訓練時，采用的余弦退火學習率先模擬余弦函數快速下降，使目標檢測模型迅速踏入局部最優點，保存局部最優點的模型；其次開啟熱重啟，使學習率線性上升至一個較大值，以逃離當前的局部最優點，并尋找新的最優點；周期性重復上述過程以加速收斂。

2.根據權利要求1所述的基于Focal-EIOU的YOLOv4目標檢測方法，其特征在于，步驟S1中，對樣本標簽進行平滑處理的過程包括以下步驟：

S11，對于二分類樣本，設訓練樣本為(x_i,y_i)，其中y_i為樣本標簽；當采用交叉熵來描述損失函數時，對于每一個樣本i，損失函數為：

S12，經過標簽隨機化之后，新標簽有λ的概率與原標簽不同，有1-λ的概率與原標簽相同；采用隨機化新標簽的損失函數有1-λ的概率與損失函數L_i相同，有λ的概率為：

S13，將公式進行加權平均后得到新公式：

y′_i＝-λ(1-y_i)-(1-λ)y_i；

S14，當輸入標簽為0時，用近似數λ進行替換；當輸入標簽為1時，用近似數1-λ進行替換：

3.根據權利要求1所述的基于Focal-EIOU的YOLOv4目標檢測方法，其特征在于，步驟S2中，根據余弦退火算法優化學習率的過程包括以下步驟：

S21，設訓練epoch為E_p、訓練批次為B_s、預熱期為w_epoch、預先設置學習率為η_base、最大學習率為η_max、最小學習率為η_min、訓練樣本數為S_c；

S22，根據下述公式，求出初始化總步長Steps_total以及預熱步長Steps_warmup：

Steps_total＝(E_p×S_c)/B_s

Steps_warmup＝(w×S_c)/B_s；

S23，在每次重啟之后更新當前執行的步數Step_global，記錄當前學習率，并進行更新學習率：

如果Steps_globalSteps_warmup，根據如下公式計算線性增長的學習率η_warmup：

如果Steps_global≥Steps_warmup，根據如下公式計算線性增長的學習率η_warmup：

S24，計算余弦退火的學習率：

η_t＝min(η_t,η_min)。