一种基于SSD目标检测的优化方法、计算机设备和介质技术

本发明专利技术公开了一种基于SSD目标检测的优化方法、计算机可读存储介质和计算机设备，所述优化方法包括：将训练图像输入目标检测网络并获取多个候选框；分别将各候选框与预设置的样本真值框进行比较以获取正样本候选框和负样本候选框；分别计算各负样本候选框的分类概率；根据各负样本候选框的分类概率计算该负样本候选框的第一损失函数值和第二损失函数值；根据负样本候选框的第一损失函数值获取预设数量的第一负样本候选框；根据负样本候选框的第二损失函数值获取预设数量的第二负样本候选框；根据正样本候选框、第一负样本候选框和第二负样本候选框优化所述目标检测网络。本发明专利技术提供的实施例能够有效降低目标检测网络的分类损失函数的误检率。

An optimization method, computer equipment and media based on SSD target detection

【技术实现步骤摘要】
一种基于SSD目标检测的优化方法、计算机设备和介质
本专利技术涉及SSD目标检测领域，特别是涉及一种基于SSD目标检测的优化方法、计算机可读存储介质和计算机设备。
技术介绍
随着第三波人工智能的飞速发展，各种基于深度学习目标检测网络的优化方法不断出现。在目标检测应用中，目标检测的损失函数一般包括定位损失函数和分类损失函数，现有技术中的分类损失函数多采用softmaxloss损失函数和focalloss损失函数。然而在实际应用中发现，现有目标检测网络中存在一定比例的误检率，降低了目标检测的准确率。
技术实现思路
为了解决上述问题，本专利技术第一个实施例提供一种基于SSD目标检测的优化方法，包括：将训练图像输入SSD目标检测网络并获取多个候选框；分别将各所述候选框与预设置的样本真值框进行比较以获取正样本候选框和负样本候选框；分别计算各所述负样本候选框的分类概率；根据各所述负样本候选框的分类概率计算该负样本候选框的第一损失函数值和第二损失函数值；根据所述负样本候选框的第一损失函数值获取预设数本文档来自技高网...

【技术保护点】
1.一种基于SSD目标检测的优化方法，其特征在于，包括：/n将训练图像输入SSD目标检测网络并获取多个候选框；/n分别将各所述候选框与预设置的样本真值框进行比较以获取正样本候选框和负样本候选框；/n分别计算各所述负样本候选框的分类概率；/n根据各所述负样本候选框的分类概率计算该负样本候选框的第一损失函数值和第二损失函数值；/n根据所述负样本候选框的第一损失函数值获取预设数量的第一负样本候选框；/n根据所述负样本候选框的第二损失函数值获取预设数量的第二负样本候选框；/n根据所述正样本候选框、第一负样本候选框和第二负样本候选框使用梯度优化方法优化所述SSD目标检测网络。/n

【技术特征摘要】
1.一种基于SSD目标检测的优化方法，其特征在于，包括：
将训练图像输入SSD目标检测网络并获取多个候选框；
分别将各所述候选框与预设置的样本真值框进行比较以获取正样本候选框和负样本候选框；
分别计算各所述负样本候选框的分类概率；
根据各所述负样本候选框的分类概率计算该负样本候选框的第一损失函数值和第二损失函数值；
根据所述负样本候选框的第一损失函数值获取预设数量的第一负样本候选框；
根据所述负样本候选框的第二损失函数值获取预设数量的第二负样本候选框；
根据所述正样本候选框、第一负样本候选框和第二负样本候选框使用梯度优化方法优化所述SSD目标检测网络。


2.根据权利要求1所述的优化方法，其特征在于，所述负样本候选框的分类概率为：



其中，j为分类类别，aj为j分类类别的样本输入值，T为分类个数，ak为各分类类别的的样本输入值。


3.根据权利要求2所述的优化方法，其特征在于，所述负样本候选框的第一损失函数值为：



其中，j为分类类别，yj表示所述负样本候选框是否属于类别j，若属于则yj＝1，否则yj＝0。


4.根据权利要求3所述的优化方法，其特征在于，所述负样本候选框的第二损失函数值为：
L′＝max(Sj)-S0
其中，Sj为所述负样本候选框的分类概率，j>0，S0为所述负样本候选框为预设类别的分类概率。


5.根据权利要求1所述的优化方法，其特征在于，所述根据所述负样本候...

【专利技术属性】
技术研发人员：雷青，郭睿，王震，许程，
申请(专利权)人：北京电子工程总体研究所，
类型：发明
国别省市：北京;11