【技术实现步骤摘要】
一种密集目标检测方法
本专利技术属于图像捕获
,具体涉及为一种密集目标检测方法。
技术介绍
随着科技进步和深度学习算法的普及,深度学习目标检测算法也逐步应用于安防及工业检测各个领域,比如:行人识别、车辆识别、工业缺陷检测、自动驾驶等各种应用场景。目标检测方法作为模式识别领域的基础算法,然而在密集目标场景下现有目标检测方法常常存在一些问题,如密集目标的误检和漏检常常出现,其原因主要是密集目标相互遮挡和重合常常使算法在准确率和精度上产生严重损失。对于密集目标检测精度低的问题,传统的解决方案,常常从两方面对些问题进行一定程度上的修正,一方面,从数据集收集上,从现实场景收集更多密集场景数据集进行人工标注并进行训练,这种方法效率比较低,需要付出更多人力成本和时间成本;另一个方面,有些方案增加新的损失函数用来约束检测目标之间的距离,使得检测目标之间尽量保持更远的距离,这种方案虽然对可分离密集目标产生较好的效果,但对于待检测目标本身就相邻的情况效果还有一定的限制。因此,针对上述问题,有必要研发一种密集目标检测的方法。
技术实现思路
本专利技术的目的在于克服上述提到的缺陷和不足,而提供一种密集目标检测方法。为了解决上述技术问题,采用如下技术方案:一种密集目标检测方法,其基于卷积神经网络YOLOv3目标检测网络,包括以下步骤:步骤S1,收集目标检测图像数据集,并生成密集目标数据集:按照所需检测目标类别,通过收集与人工采集方法收集目标检测图像数据集,并根据需要进行 ...
【技术保护点】
1.一种密集目标检测方法,其特征在于,其基于卷积神经网络YOLO v3目标检测网络,包括以下步骤:/n步骤S1,收集目标检测图像数据集,并生成密集目标数据集:/n按照所需检测目标类别,通过收集与人工采集方法收集目标检测图像数据集,并根据需要进行目标标注,得到现有数据集,并使用图像处理算法基于现有数据集生成密集目标样本训练网络,得到密集目标数据集;/n步骤S2,构建模型:/n训练数据准备加载过程中,对原图像数据进行增加边缘信息通道数据并存储,并将密集目标数据集进行划分,分为训练集和验证集,构建YOLO v3网络网络模型;/n步骤S3,训练网络模型并保存参数权重;/n使用上一步划分的训练集对YOLO v3网络模型参数进行训练,修改中等尺度下锚点框中心位置及锚点框个数,训练中同时使用验证集对精度和召回率指标进行测试,当验证集指标开始下降时,对网络模型停止训练并保存参数权重。/n
【技术特征摘要】
1.一种密集目标检测方法,其特征在于,其基于卷积神经网络YOLOv3目标检测网络,包括以下步骤:
步骤S1,收集目标检测图像数据集,并生成密集目标数据集:
按照所需检测目标类别,通过收集与人工采集方法收集目标检测图像数据集,并根据需要进行目标标注,得到现有数据集,并使用图像处理算法基于现有数据集生成密集目标样本训练网络,得到密集目标数据集;
步骤S2,构建模型:
训练数据准备加载过程中,对原图像数据进行增加边缘信息通道数据并存储,并将密集目标数据集进行划分,分为训练集和验证集,构建YOLOv3网络网络模型;
步骤S3,训练网络模型并保存参数权重;
使用上一步划分的训练集对YOLOv3网络模型参数进行训练,修改中等尺度下锚点框中心位置及锚点框个数,训练中同时使用验证集对精度和召回率指标进行测试,当验证集指标开始下降时,对网络模型停止训练并保存参数权重。
2.如权利要求1所述的一种密集目标检测方法,其特征在于,所述步骤S1中,使用图像处理算法生成一定比率密集样本数据的密集目标样本训练网络,具体比率数值可视具体检测目标而定,一般在30%∼60%之间,生成方法如下:
S1.1,读取标注样本图像和标注数据,得到每个图片样本的标注信息的统计情况,包含标注类别,需要建立密集目标类别的标注目标面积及长宽比;
S1.2,根据S1.1步统计情况,提取出目标面积在最大目标面积为30%∼65%之间的样本,根据目标标注框从原图像上剪切出目标小图片并保存,同时保存目标掩码信息,建立侯选目标集合S保存文件信息,和该目标图像对应的宽高信息;
S1.3,以图像标注信息为单位遍历现有数据集,找出预生成密集目标群的中心目标对象,即该目标对象周围3倍自己宽高范围内不存在其它已经标注的目标,即在该目标周围生成密集目标,这里定义该目标对象为T;
S1.4,现建立两个记录集合,一个集合G负责保存生成密集目标T信息和插入添加的目标信息,主要包括坐标位置与宽高,另一个集合O用以保存该图像中除T之外的所有目标信息;
S1.5,在密集目标T周围一定范围L内生成要添加的目标坐标位置,随着生成目标的增多,L数值标量不断增长且小于某最大值,如L为初始一倍宽高均值,最大值为3倍宽高均值;再从第S1.2步的目标集合S中抽取待插入样本I,根据目标集合S中保存的样本信息和刚刚生成目标位置构成新生成目标的坐标和宽高信息,计算待插入样本I与集合G中目标的面...
【专利技术属性】
技术研发人员:毕海,徐晓刚,门光文,焦振秋,
申请(专利权)人:智慧视通杭州科技发展有限公司,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。