[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

本發明公開了一種基于YOLOX和分類回歸損失目標識別方法，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；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。本發明能夠增加回歸效果較差的檢測框的損失值，讓模型更加關注回歸效果較差樣本，從而提高目標檢測任務的精度。

技術領域

本發明屬于圖像識別技術領域，涉及一種圖像識別方法，具體涉及一種基于YOLOX和分類回歸損失目標識別方法。

背景技術

目標檢測是計算機視覺研究的重點問題之一，是理解圖像高級語義信息的重要基礎，目標檢測的主要任務是根據輸入的圖像，定位出感興趣的目標并給出類別信息。

伴隨著深度學習和人工智能技術的蓬勃發展，將深度學習技術應用到圖像處理領域已經成為當代科學計算機技術的趨勢。深度學習的發展推動了目標檢測技術的進步，以YOLO系列為代表的單階段目標檢測算法因為其具有的快速的檢測速度和不錯的檢測精度開始被廣泛應用于智能視頻監控、工業檢測等領域，通過計算機視覺減少對人力資本的消耗。具有及其重要的現實意義。

YOLOX是YOLO系列算法中的最新產品，相比于之前的YOLO系列算法雖有著更高的檢測精度，但是在處理某些檢測任務時，精度上限仍不高。

發明內容

本發明旨在對回歸損失函數進行優化，提高其檢測精度。具體提供一種基于YOLOX和分類回歸損失目標識別方法，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。

進一步的，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。

進一步的，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：

進一步的，對回歸損失函數進行分類處理，具體分類流程如下：