一种根据物体的统计特性自适应的选择正负样本的方法技术

一种根据物体的统计特性自适应的选择正负样本的方法，步骤如下：分析找寻基于锚点定位的检测网络和不基于锚点定位的检测网络方法的区别，去除掉S1中两种检测网络以外的影响，保持两种检测网络采用相同损失函数，并采用相同优化方法进行训练后进行对比，分析两种网络在目标检测中的分类任务实现方法上的区别，分析两种检测网络在目标检测中的回归任务实现方法上的区别，确定更好的候选正样本，实验利用一个根据物体的统计特性自适应的选择正负样本的方法来构建网络，和原始的两种检测网络进行对比实验，得出结论，本发明专利技术提出了基于物体统计特性自适应的选择正负样本的方法和对应使用流程，未增加任何开销，应用效果大幅度提升。

【技术实现步骤摘要】
一种根据物体的统计特性自适应的选择正负样本的方法
本专利技术涉及深度学习计算机视觉领域，具体地，涉及一种根据物体的统计特性自适应的选择正负样本的方法。
技术介绍
在目标检测的领域，主要的检测模型的构建思路有基于锚点定位和不基于锚点定位两种，不基于锚点定位的方法一般有两种：一种是定位可以包围物体的预定义的特征点，称为基于关键点方法，另一种是使用物体的中心点或者物体的区域来定义正样本，然后预测该正样本点到4个边的距离，这种称为基于中心点方法。这两种方法中，基于关键点方法是继承了特征点检测的方法，和基于锚点定位方法差别较大，而基于中心点定位方法则把点看做是样本，这和基于锚点定位方法中把锚看做是样本是非常相似的。而这两种物体检测方法发现本质区别在于如何选择样本，通过实验验证了这个想法，并提出了一种自动选取样本的方法，在不引入任何计算量的情况下，提升了效果，同时显著缩小了基于锚点定位和不基于锚点定位方法之间的差距，并且可以认为是没有任何超参数。
技术实现思路
本专利技术提供的一种根据物体的统计特性自适应的选择正负样本的方法，通过实验找本文档来自技高网...

【技术保护点】
1.一种根据物体的统计特性自适应的选择正负样本的方法，其特征在于，包括如下步骤：/nS1、找寻基于锚点定位的检测网络和不基于锚点定位的检测网络方法的区别；/nS2、去除掉S1中所述基于锚点定位的检测网络及不基于锚点定位的检测网络以外的对比网络在损失函数定义上的差异，保持所述基于锚点定位的检测网络和不基于锚点定位的检测网络采用相同的损失函数，并采用相同的优化方法进行训练后进行对比；/nS3、找寻基于锚点定位的检测网络和不基于锚点定位的检测网络两种网络在目标检测中的分类任务实现方法上的区别；/nS4、找寻基于锚点定位的检测网络和不基于锚点定位的检测网络两种网络在目标检测中的回归任务实现方法上的区别...

【技术特征摘要】
1.一种根据物体的统计特性自适应的选择正负样本的方法，其特征在于，包括如下步骤：
S1、找寻基于锚点定位的检测网络和不基于锚点定位的检测网络方法的区别；
S2、去除掉S1中所述基于锚点定位的检测网络及不基于锚点定位的检测网络以外的对比网络在损失函数定义上的差异，保持所述基于锚点定位的检测网络和不基于锚点定位的检测网络采用相同的损失函数，并采用相同的优化方法进行训练后进行对比；
S3、找寻基于锚点定位的检测网络和不基于锚点定位的检测网络两种网络在目标检测中的分类任务实现方法上的区别；
S4、找寻基于锚点定位的检测网络和不基于锚点定位的检测网络两种网络在目标检测中的回归任务实现方法上的区别；
S5、根据S3与S4步骤筛选数据，依据阈值自适应的判断出正样本与负样本；
S6、利用根据物体的统计特性来构建网络，和原始的基于锚点定位的检测网络和不基于锚点定位的检测网络进行对比实验；
S7、通过实验的数据分析得到该方法的可靠性以及提升的效果的结论。


2.根据权利要求1所述的根据物体的统计特性自适应的选择正负样本的方法，其特征在于，在步骤S1中，具体包括如下步骤：
S11、确定每个空间位置的样本数量；
S12、确定正负样本的定义条件；
S13、确定回归的初始状态。


3.根据权利要求1所述的根据物体的统计特性自适应的选择正负样本的方法，其特征在于，步骤S2的具体方式为：去除掉在检测头上加组归一化，使用GIoU损失函数，限制标签矩形框的正样本，引入中心度分支，在特征金字塔中引入可训练的尺度参数s，基于锚点定位的检测网络和不基于锚点定位的检测网络只有两个...

【专利技术属性】
技术研发人员：李泽辉，杨淑爱，李俊宇，黄坤山，谢克庆，
申请(专利权)人：佛山市南海区广工大数控装备协同创新研究院，佛山市广工大数控装备技术发展有限公司，
类型：发明
国别省市：广东;44