[發(fā)明專利]一種基于輕量化目標(biāo)檢測卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210784247.1
• 申請(qǐng)日: 2022-07-05
• 公開（公告）號(hào): CN115187994A
• 公開（公告）日: 2022-10-14
• 發(fā)明（設(shè)計(jì)）人: 周博文;龔權(quán)華;李康軍;何世超;馮石佳;張寒樂;李艷斌
• 申請(qǐng)（專利權(quán)）人: 湖南睿圖智能科技有限公司
• 主分類號(hào): G06V30/16
• 分類號(hào): G06V30/16;G06V30/18;G06V30/19;G06V10/20;G06V10/42;G06V10/764;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 長沙市護(hù)航專利代理事務(wù)所(特殊普通合伙) 43220
• 代理人: 張潔

1.一種基于輕量化目標(biāo)檢測卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法，其特征在于，所述方法包括以下步驟：

步驟S100：獲取訓(xùn)練圖像集，根據(jù)所述訓(xùn)練圖像集中的訓(xùn)練圖像的寬高分布確定不同尺寸的圖像組成批的方式，生成多個(gè)批次的訓(xùn)練圖像；

步驟S200：對(duì)所述多個(gè)批次的訓(xùn)練圖像進(jìn)行預(yù)處理，對(duì)所述預(yù)處理后的多個(gè)批次的訓(xùn)練圖像的標(biāo)注信息進(jìn)行轉(zhuǎn)換；

步驟S300：根據(jù)轉(zhuǎn)換標(biāo)注信息后的每個(gè)批次的訓(xùn)練圖像和預(yù)設(shè)的損失函數(shù)對(duì)初始輕量化目標(biāo)檢測卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到每個(gè)批次的損失值，直至完成設(shè)定數(shù)量的當(dāng)前批次的訓(xùn)練迭代，根據(jù)所述每個(gè)批次的損失值評(píng)估所述初始輕量化目標(biāo)檢測卷積神經(jīng)網(wǎng)絡(luò)的評(píng)估指標(biāo)，根據(jù)所述評(píng)估指標(biāo)調(diào)整初始輕量化目標(biāo)檢測卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)值，直至評(píng)估指標(biāo)達(dá)到預(yù)期設(shè)置值，得到訓(xùn)練好的輕量化目標(biāo)檢測卷積神經(jīng)網(wǎng)絡(luò)；

步驟S400：獲取測試圖像集，根據(jù)所述測試圖像集和所述訓(xùn)練好的輕量化目標(biāo)檢測卷積神經(jīng)網(wǎng)絡(luò)得到目標(biāo)檢測結(jié)果。

2.根據(jù)權(quán)利要求1中所述的方法，其特征在于，步驟S100包括：

步驟S110：設(shè)所有訓(xùn)練圖像為集合P(w,h)，w,h為圖像寬高，圖像總數(shù)N，訓(xùn)練時(shí)，每次生成一個(gè)數(shù)量為b的批訓(xùn)練圖像集合P_b；先將集合P中圖像的寬高值按照步長s離散化，統(tǒng)計(jì)圖像寬、高分別落在第n個(gè)離散空間[s*n,s*(n+1)]內(nèi)的圖像數(shù)量和索引，生成集合P離散化后的圖像數(shù)量和索引直方圖H(H_w,H_h)，H_w,H_h分別為索引直方圖的寬、高；

步驟S120：遍歷所述直方圖H，對(duì)H中第i個(gè)離散空間，若H_i中的圖像數(shù)量C_i等于0，則將所述H_i刪除，刪除所有圖像數(shù)量為0的離散空間后，得到剩余的有效離散空間數(shù)量為N_h，并計(jì)算剩余的有效離散空間的圖像數(shù)量均值C_a，若C_a＜b，令C_a＝b；

步驟S130：遍歷所述直方圖H，對(duì)H中第i個(gè)離散空間，若H_i中的圖像數(shù)量C_i小于C_a，則隨機(jī)復(fù)制H_i中的圖像進(jìn)行擴(kuò)充，直到H_i中的圖像數(shù)量C_i≥C_a；

步驟S140：隨機(jī)打亂所述直方圖H的順序，依次從H₀～H_Nh中每次隨機(jī)取出b張圖像組成一個(gè)批次用于訓(xùn)練；

步驟S150：重復(fù)步驟S140，生成多個(gè)批次的訓(xùn)練圖像，直至所述H中的所有離散空間下的所有圖像都被取出訓(xùn)練。