[發明專利]基于YOLOX和分類回歸損失目標識別方法

在審

• 申請號: 202210722006.4
• 申請日: 2022-06-17
• 公開（公告）號: CN115082735A
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 徐文校;張銀勝;于心遠;楊山山;徐永杰;吉茹;楊宇龍
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06V10/774;G06V20/50
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 陳月菊

1.一種基于YOLOX和分類回歸損失目標識別方法，其特征在于，所述方法包括如下步驟：

S1、獲取待檢測目標的相關高質量圖像；

S2、對高質量圖像中的目標進行標注，形成VOC數據集；

S3、將數據集劃分為訓練數據集和驗證數據集；

S4、將損失函數中的回歸損失函數進行分類處理，得到最終的損失函數；

S5、將最終的損失函數應用于YOLOX目標檢測算法中；

S6、將訓練數據集輸入到目標檢測算法中進行訓練；

S7、達到預設訓練次數后，取訓練的最后3次模型在測試數據集上進行分析，得到最優目標檢測算法模型；

S8、將最優目標檢測算法模型用于識別待檢測圖像。

2.根據權利要求1所述的基于YOLOX和分類回歸損失目標識別方法，其特征在于，S4中，對回歸損失函數進行分類處理，分類依據如下：

YOLOX中損失函數公式為：Loss＝l_cls+l_iou+l_conf (1),

其中，l_cls為分類損失，l_iou為回歸損失，l_conf為置信度損失。

3.根據權利要求2所述的基于YOLOX和分類回歸損失目標識別方法，其特征在于，回歸損失的計算公式為：

當iou較小時，利用回歸函數公式：l_iou＝-log(iou) (4)；

當iou較大時，利用回歸函數公式：

l_iou＝1-iou² (2)；

iou是預測框與真實框之間的交集面積除以并集面積，計算公式為：

4.根據權利要求3所述的基于YOLOX和分類回歸損失目標識別方法，其特征在于，對回歸損失函數進行分類處理，具體分類流程如下：

S41、求k_iou＝-log(iou)與1-iou²的交點橫坐標iou_k；

S42、當iou的值小于iou_k時，回歸損失函數采用l_iou＝-log(iou)，當iou的值大于等于iou_k時，回歸損失函數采用l_iou＝1-iou²；

S43、得到最終的回歸損失函數，并應用于算法模型中。

5.根據權利要求3所述的基于YOLOX和分類回歸損失目標識別方法，其特征在于，得到最優目標檢測算法模型的具體做法為：

S61、將訓練結束的最后三個算法模型在測試集上進行檢測分析；

S62、計算精確度Pression和召回率Recall；

S63、計算每一類別的AP值；

S64、計算全部類別的mAP值；

S65、比較三個模型的mAP值，選取最大mAP值所對應的模型為最優目標檢測算法模型。

6.根據權利要求5所述的基于YOLOX和分類回歸損失目標識別方法，其特征在于，S62中計算精確度Pression和召回率Recall的具體公式如下：

TP為正確預測為正樣本的個數，FP為錯誤預測為正樣本的個數，FN為錯誤預測為負樣本的個數，設定的檢測閾值，即Iou為0.5，當檢測框與真實框的重疊區域超過50％時，就認為該檢測框正確。

7.根據權利要求5所述的基于YOLOX和分類回歸損失目標識別方法，其特征在于，S63中，AP是不同精確率和召回率所圍成曲線的面積，計算公式如下：

AP＝∫₀¹p(r)dr (7)。