基于顶点距离与交并比多重优化目标检测器的方法与系统技术方案

本发明专利技术提供一种基于顶点距离与交并比多重优化目标检测器的方法与系统，包括：获取锚与标注框的交并比IOU；基于锚与标注框对应的四个顶点之间的归一化距离系数distance，修正交并比IOU，得到修正的交并比P

【技术实现步骤摘要】
基于顶点距离与交并比多重优化目标检测器的方法与系统
[0001]本申请是基于申请日为2020年09月17日、申请号为202010979797.X、专利技术名称为基于顶点距离与交并比多重优化目标检测器的方法与系统的专利技术专利申请而提出的分案申请。


[0002]本专利技术涉及图像处理
，尤其是目标检测技术，具体而言涉及一种基于顶点距离与交并比多重优化目标检测器的方法与系统。

技术介绍

[0003]在基于深度学习的图像处理中，比较棘手和难处理的问题在于控制目标检测的误检，所有的后续技术路线均需要立足于误检频率低的前提下。目前解决误检问题的常见技术方式有以下四种：增加更多的负样本训练数据集；基于在线难例挖掘方式的检测器训练优化；提高训练时正负样本界定的阈值以及RetinaNet提出的Focal Loss算法优化。
[0004]SSD系列算法（例如SSD、RetinaNet、RefineDet等）在行人、车辆等多宽高比的目标检测任务中，为了更好地匹配检测目标，通常会设置多种宽高比的锚anchor。常规的锚anchor匹配方式是计算其与标注框gt的IOU，如果IOU大于阈值即为正样本，且不计较哪些锚anchor与标注框gt更接近。这样会导致有些形状与gt差异较大，但IOU较高的锚anchor会被界定为正样本；在模型测试中这些差异较大的标注框一旦分类置信度较高，在NMS后会删除差异较小但分类置信度偏低的标注框，使得回归不准确，虽然与标注框gt有一定交集，但差异很大，容易导致误检出现。现有锚匹配机制流程包括计算每张图所有的锚与所有标注框gt之间的IOU。每个锚保留最高IOU以及此标注框gt的类别；如果最高IOU为0，则该锚的类别为背景，该锚即为负样本。所有锚的最高IOU大于训练设定的阈值时，保留此锚匹配的标注框gt类别，该锚即为正样本；小于或等于阈值时，将此锚匹配的标注框gt类别修改成背景，该锚即为负样本。将锚划分为正负样本后，再通过OHEM等方式，取所有正样本并挖掘部分负样本难例，参与检测器分类训练。
[0005]上述解决方式中，由于锚匹配机制中存在的问题，而前述四种常见方案都不涉及此，因此无法引导模型训练中解决这个问题。
[0006]现有技术文献：专利文献1：CN111598175A 一种基于在线难例挖掘方式的检测器训练优化方法。

技术实现思路

[0007]本专利技术目的在于提供一种基于顶点距离与交并比多重优化目标检测器的方法与系统，通过结合与框的交并比IOU和归一化的顶点距离系数来判别两者的差异，提升检测器的性能，同时使用两种参数界定正负样本，扩大两者的差异，使得检测器分类能力更强，减少误检。
[0008]根据本专利技术目的的第一方面提出一种基于顶点距离与交并比多重优化目标检测
器的方法，包括：获取锚与标注框的交并比IOU；基于锚与标注框对应的四个顶点之间的归一化距离系数distance，修正所述交并比IOU，得到修正交并比P-IOU；基于修正交并比P-IOU重新界定正负样本；以及基于重新界定正负样本分类训练检测器。
[0009]优选地，根据权利要求1所述的基于顶点距离与交并比多重优化目标检测器的方法，其特征在于，所述锚与标注框对应的四个顶点之间的归一化距离系数的获取包括以下过程：获取锚与标注框相对应的四个点的直线距离p1、p2、p3和p4，其中锚与标注框均在同一平面内；分别计算所有标注框的宽高平均值h_w；以及获取每个锚与标注框之间的归一化距离系数distance。
[0010]优选地，根据归一化距离系数distance与交并比IOU的乘积修正锚与所有标注框的交并比IOU，得到修正交并比P-IOU。
[0011]优选地，基于修正交并比P-IOU重新界定正负样本的处理包括以下过程：保留每个锚对应的修正交并比P-IOU的最大值以及对应标注框的类别，并且如果修正交并比P-IOU的最大值为0，则判定该锚类别为背景，该锚判定为负样本；将所有锚对应的修正交并比P-IOU的最大值与训练预设的阈值进行比对，对于锚对应的修正交并比P-IOU的最大值大于训练预设的阈值的，保留此锚匹配的标注框的类别，并判定该锚为正样本；对于锚对应的修正交并比P-IOU的最大值小于或者等于训练预设的阈值的，将该锚匹配的标注框的类别修改成背景，判定该锚为负样本。
[0012]根据本专利技术目的的第二方面还提出一种基于顶点距离与交并比多重优化目标检测器的装置，包括：用于获取锚与标注框的交并比IOU的获取模块；用于基于锚与标注框对应的四个顶点之间的归一化距离系数distance，修正所述交并比IOU，得到修正交并比P-IOU的交并比修正模块；用于基于修正交并比P-IOU重新界定正负样本的样本分类模块；以及用于基于重新界定正负样本分类训练检测器的训练模块。
[0013]根据本专利技术目的的第三方面还提出一种计算机系统，包括：一个或多个处理器；存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括所述的基于顶点距离与交并比多重优化目标检测器的方法的过程。
[0014]根据本专利技术目的的第四方面还提出一种服务器，包括：一个或多个处理器；存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括所述的基于顶点距离与交并比多重优化目标检测器的方法的过程。
[0015]根据本专利技术目的的第五方面还提出一种存储软件的计算机可读取介质，所述软件包括能通过一个或多个计算机执行的指令，所述指令通过这样的执行使得所述一个或多个计算机执行操作，所述操作包括所述的基于顶点距离与交并比多重优化目标检测器的方法的过程 本专利技术提出的方案中，通过优化匹配机制从而优化检测器分类性能，通过结合与标注框的交并比IOU和归一化的顶点距离系数来判别两者的差异，在训练中，同时使用顶点距离与交并比多重优化界定正负样本，扩大两者的差异，使得检测器分类能力更强，从而控制减少误检。
[0016]结合附图从下面的描述中可以更加全面地理解本专利技术教导的前述和其他方面、实施例和特征。本专利技术的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本专利技术教导的具体实施方式的实践中得知。
附图说明
[0017]附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本专利技术的各个方面的实施例，其中：图1是根据本专利技术示例性实施例的基于顶点距离与交并比多重优化目标检测器的方法的流程图。
[0018]图2是根据本专利技术示例性实施例的锚与标注框gt的示意图。
[0019]图3是本专利技术示例性的基于顶点距离与交并比多重优化目标检测器的装置的示意图。
[0020]图4是本专利技术示例性的计算机系统的硬件原理框图。
具体实施方式
[0021]为了更了解本专利技术的
技术实现思路
，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于顶点距离与交并比多重优化目标检测器的方法，其特征在于，包括：获取锚与标注框的交并比IOU；基于锚与标注框对应的四个顶点之间的归一化距离系数distance，修正所述交并比IOU，得到修正交并比P-IOU；基于修正交并比P-IOU重新界定正负样本；以及基于重新界定正负样本分类训练检测器。2.根据权利要求1所述的基于顶点距离与交并比多重优化目标检测器的方法，其特征在于，所述标注框为矩形标注框。3.根据权利要求1所述的基于顶点距离与交并比多重优化目标检测器的方法，其特征在于，所述锚与标注框对应的四个顶点之间的归一化距离系数的获取包括以下过程：获取锚与标注框相对应的四个点的直线距离p1、p2、p3和p4，其中锚与标注框均在同一平面内；分别计算所有标注框的宽高平均值h_w；以及获取每个锚与标注框之间的归一化距离系数distance。4.根据权利要求3所述的基于顶点距离与交并比多重优化目标检测器的方法，其特征在于，所述归一化距离系数distance根据以下公式确定：。5.根据权利要求1所述的基于顶点距离与交并比多重优化目标检测器的方法，其特征在于，根据归一化距离系数distance与交并比IOU的乘积修正锚与所有标注框的交并比IOU，得到修正交并比P-IOU。6.根据权利要求1-5中任意一项所述的基于顶点距离与交并比多重优化目标检测器的方法，其特征在于，基于修正交并比重新界定正负样本的处理包括以下过程：保留每个锚对应的修正交并比的最大值以及对应标注框的类别，并且如果修正交并比P-IOU的最大值为0，则判定该锚类别为背景，该锚判定为负样本；将所有锚对应的修正交并比P-IOU的最大值与训练预设的阈值进行比对，对于锚对应的修正交并比P-IOU的最大值大于训练预设的阈值的，保留此锚匹配的标注框的类别，并判定该锚为正样本；对于锚对应的修正交并比P-IOU的最大值小于或者等于训练预设的阈值的，将该锚匹配的标注框的类别修改成背景，判定该锚为负样本。7.根据权利要求1所述的基于顶点距离与交并比多重优化目标检测器的方法，其特征在于，以重新界定后的正样本和负样本作为训练集，基于OHEM算法分类训练检测器。8.一种基于顶点距离与交并比多重优化目标检测器的装置，其特征在于，包括：用于获取锚与标注框的交并比IOU的获取模块；用于基于锚与标注框对应的四个顶点之间的归一化距离系数distance，修正所述交并比IOU，得到修正交并比P-IOU的交并比修正模块；用于基于修正交并比P-IOU重新...

【专利技术属性】
技术研发人员：杨帆，王瀚洋，胡建国，白立群，陈凯琪，
申请(专利权)人：南京甄视智能科技有限公司，
类型：发明
国别省市：