[發明專利]密集場景下的圖像檢測方法、裝置、終端及介質

在審

• 申請號: 202211191944.2
• 申請日: 2022-09-28
• 公開（公告）號: CN115564949A
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 陶大鵬;王林飛;林旭
• 申請（專利權）人: 云南聯合視覺科技有限公司
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/774;G06V10/82
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 丁月蓉

1.一種密集場景下的圖像檢測方法，其特征在于，包括：

基于圖像檢測模型對樣本圖像進行識別，得到輸出的預測框，所述預測框對應所述樣本圖像中目標對象的預測區域；

基于所述預測框與真實框之間的交疊關系，確定所述預測框中目標區域面積在所述預測框中的目標占比；其中，所述目標占比包括所述預測框落入所述真實框中的第一面積在所述預測框中的第一占比，或者，所述目標占比包括所述預測框落入所述真實框中的第一面積在所述預測框中的第一占比及所述預測框未落入所述真實框中的第二面積在所述預測框中的第二占比，所述真實框對應所述樣本圖像中所述目標對象的標注區域；

基于所述目標占比，及所述預測框與所述真實框之間的面積交并比，確定目標損失函數；

基于所述目標損失函數，對所述圖像檢測模型進行模型迭代訓練，并基于迭代訓練完成的所述圖像檢測模型進行圖像檢測。

2.根據權利要求1所述的方法，其特征在于，所述基于所述目標占比，及所述預測框與所述真實框之間的面積交并比，確定目標損失函數，包括：

基于所述目標占比，及所述預測框與所述真實框之間的面積交并比，確定至少一個目標損失函數項；

得到包含至少一個所述目標損失函數項的目標損失函數。

3.根據權利要求2所述的方法，其特征在于，所述基于所述目標占比，及所述預測框與所述真實框之間的面積交并比，確定至少一個目標損失函數項，包括：

基于所述第一占比，及所述預測框與所述真實框之間的面積交并比，確定第一損失函數項；或者，

基于所述第一占比及所述預測框與所述真實框之間的面積交并比確定第一損失函數項，及，基于所述第二占比確定第二損失函數項。

4.根據權利要求3所述的方法，其特征在于，所述基于所述第一占比，及所述預測框與所述真實框之間的面積交并比，確定第一損失函數項，包括：

基于所述第一占比，及所述預測框與所述真實框之間的面積交并比，依照下述公式，確定第一損失函數項：

其中，為所述第一損失函數項，IIoU為內環交并比；其中，IoU為所述預測框與所述真實框之間的所述面積交并比，IAR為所述第一占比。

5.根據權利要求2所述的方法，其特征在于，所述得到包含至少一個所述目標損失函數項的目標損失函數，包括：

確定所述預測框與所述真實框的最小外接矩形框；

獲取第一距離及第二距離，所述第一距離為所述預測框與所述真實框的中心點間的平方歐氏距離，所述第二距離為所述最小外接矩形框中與對角線對應的平方歐氏距離；

將所述第一距離與所述第二距離的距離比值作為第三損失函數項；

得到包含至少一個所述目標損失函數項及所述第三損失函數項的目標損失函數。

6.根據權利要求5所述的方法，其特征在于，所述目標損失函數中的設定損失函數項設置有加權因子；所述基于所述目標損失函數，對所述圖像檢測模型進行模型迭代訓練，包括：

在所述圖像檢測模型的每一迭代訓練過程中，獲取所述設定損失函數項的計算值；

基于所述計算值，調整所述設定損失函數項的所述加權因子；其中，所述加權因子的取值大小與所述設定損失函數項的計算值正相關；

依照所述系數取值，更新所述目標損失函數，基于更新后的所述目標損失函數對所述圖像檢測模型進行模型迭代訓練。

7.根據權利要求6所述的方法，其特征在于，所述設定損失函數項為第i項損失函數項，所述第i項損失函數項的系數取值基于如下公式計算得到：

其中，為所述第i項損失函數項，α_i為所述第i項損失函數項的所述系數取值；

其中，α₁+α₂+…+α_n＝1，n為所述目標損失函數中損失函數項的總量，i≤n，i和n均為正整數。