【技术实现步骤摘要】
基于yolo网络的目标检测方法、装置和设备终端
[0001]本申请涉及目标检测
,具体涉及一种基于yolo网络的目标检测方法、装置、设备终端和可读存储介质。
技术介绍
[0002]目前,目标检测技术中yolo网络(You only look once,你只看一次)应用十分广泛,然而针对同一目标数据集,往往存在多个类别特征丰富度不同的类别特征,因此,若采用常规的训练方法,无法有效的提取目标类别关键特征,导致yolo网络难以收敛。
技术实现思路
[0003]鉴于此,本申请提供一种基于yolo网络的目标检测方法、装置、设备终端和可读存储介质,以解决现有的yolo网络在对包含类别特征类别特征丰富度不同的同一目标数据集进行检测时无法收敛的技术问题。
[0004]一种基于yolo网络的目标检测方法,目标检测方法包括:获取训练数据中各个目标类别的初始预设特征复杂度,训练数据包括同源异构数据;基于yolo网络,根据各个目标类别的初始预设特征复杂度以及多个预设复杂度区间,建立各个预设复杂度区间各自对应的特征层结构;基于各自对应的特征层结构以及各个目标类别的初始预设特征复杂度,计算并调整各个预设复杂度区间的损失函数值;根据各个预设复杂度区间的损失函数值进行损失函数的拼接,以计算拼接后的损失函数所对应的损失值;根据损失值进行权重和偏置更新,直至拼接后的损失函数收敛以生成对应的目标检测模型;根据目标检测模型对测试数据进行测试,输出对应的目标的位置信息和类别信息。
[0005]在一个实施例中,基于yolo ...
【技术保护点】
【技术特征摘要】
1.一种基于yolo网络的目标检测方法,其特征在于,所述目标检测方法包括:获取训练数据中各个目标类别的初始预设特征复杂度,所述训练数据包括同源异构数据;基于所述yolo网络,根据各个目标类别的初始预设特征复杂度以及多个预设复杂度区间,建立各个预设复杂度区间各自对应的特征层结构;基于各自对应的特征层结构以及各个目标类别的初始预设特征复杂度,计算并调整各个预设复杂度区间的损失函数值;根据各个预设复杂度区间的损失函数值进行损失函数的拼接,以计算所述拼接后的损失函数所对应的损失值;根据所述损失值进行权重和偏置更新,直至所述拼接后的损失函数收敛以生成对应的目标检测模型;根据所述目标检测模型对测试数据进行测试,输出对应的目标的位置信息和类别信息。2.根据权利要求1所述的目标检测方法,其特征在于,所述基于所述yolo网络,根据各个目标类别的初始预设特征复杂度以及多个预设复杂度区间,建立各个预设复杂度区间各自对应的特征层结构的步骤包括:根据各个目标类别的初始预设特征复杂度,结合多个预设复杂度区间,将各个目标类别分别划分到对应的预设复杂度区间;基于所述yolo网络,针对各个预设复杂度区间,分别建立对应的特征层结构。3.根据权利要求2所述的目标检测方法,其特征在于,所述根据各个预设复杂度区间的损失函数值进行损失函数的拼接,以计算所述拼接后的损失函数所对应的损失值的步骤包括:结合每个预设复杂度区间中各个目标类别的总体特征复杂度,对各个预设复杂度区间各自所对应的特征层结构的损失函数值分别进行加权处理,得到拼接后的损失函数所对应的损失值。4.根据权利要求3所述的目标检测方法,其特征在于,所述预设复杂度区间的数量为两个,所述根据各个目标类别的初始预设特征复杂度,结合多个预设复杂度区间,将各个目标类别分别划分到对应的预设复杂度区间的步骤包括:将初始预设特征复杂度大于预设复杂度阈值的目标类别划分到第一预设复杂度区间,将初始预设特征复杂度小于或等于预设复杂度阈值的目标类别划分到第二预设复杂度区间;所述基于所述yolo网络,针对各个预设复杂度区间,分别建立对应的特征层结构的步骤包括:所述第一预设复杂度区间所对应的各个目标类别分别与第一组特征层结构建立连接,所述第一组特征层结构包括第一尺度、第二尺度和第三尺度的特征层结构,所述第一尺度、第二尺度和第三尺度的大小递增;所述第二预设复杂度区间所对应的各个目标类别分别与第二组特征层结构建立连接,所述第二组特征层结构包括所述第一尺度和所述第二尺度的特征层结构。5.根据权利要求4所述的目标检测方法,其特征在于,各个预设复杂度区间中每个目标
类别的类别损失函数均采用二分类交叉熵函数,所述第一预设复杂度区间所对应的目标类别包括第一目标类别,所述第二预设复杂度区间所对应的目标类别包括第二目标类别和第三目标类别,所述基于各自对应的特征层结构以及各个目标类别的初始预设特征复杂度,计算并调整各个预设复杂度区间的损失函数值的步骤包括:基于所述第一组特征层结构,通过对应的二分类交叉熵函数计算所述第一目标类别的类别损失函数值,以得到所述第一预设复杂度区间所对应的损失函数值;基于所述第二组特征层结构,结合所述第二目标类别和所述第三目标类别各自的初始预设特征复杂度,对各自对应的二分类交叉熵函数的预设损失权重分别进行计算和调整,以得到所述第二预设复杂度区间所对应的损失函数值。6.根据权利要求5所述的目标检测方法,其特征在于,所述第二目标类别的初始预设特征复杂度大于所述第三目标类别的初始预设特征复杂度,所述基于所述第二组特征层结构,结合所述第二目标类别和所述第三目标类别各自的初始预设特征复杂度,对各自对应的二分类交叉熵函数的预设损失权重分别进行计算和调整,以得到所述第二预设复杂度区间所对应的损失函数值的步骤包括:在所述训练数据的训练过程中,记录对应的训练周期...
【专利技术属性】
技术研发人员:申啸尘,乔国坤,
申请(专利权)人:深圳市爱深盈通信息技术有限公司,
类型:发明
国别省市:
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。