一种基于分数图的目标检测模型训练方法及目标检测方法技术

本发明专利技术公开了一种基于分数图的目标检测模型训练方法及目标检测方法，目标检测模型训练方法包括：获取目标检测的数据集图片，设定目标检测模型分数图的感受野尺寸，构建输入图片与分数图的映射关系，采用目标检测的数据集对目标检测模型训练，通过合理和细化的构建输入图片到分数图的映射关系，在分数图上采用邻域极大值算法得到中心点，然后根据中心点的上下左右四个方向的临近分数值换算出预测框的位置和尺寸信息，大大减少了模型结构的参数量，有利于模型的拟合，减少计算量，加快检测速度，有利于算法的落地应用。有利于算法的落地应用。

【技术实现步骤摘要】
一种基于分数图的目标检测模型训练方法及目标检测方法


[0001]本专利技术涉及目标检测领域和深度学习领域，具体涉及一种基于分数图的目标检测模型训练方法及目标检测方法。

技术介绍

[0002]目前，基于深度学习目标检测算法是很多人工智能算法的基础部分，极大的促进了人工智能算法在生物特征识别，公共安全，交通规划，智慧城市的应用。在当前的深度学习目标检测算法中，检测算法的核心在于两个部分，第一个部分就是目标类别的划分，第二个部分是目标检测包围框的位置定位和尺寸确定。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：当目标类别确定后，最重要的部分就是如何精确的确定目标的位置和尺寸，在当前的检测算法一般选取目标检测包围框这种长方形的框的形式来表达图片中目标的位置信息和尺寸信息；但是当前的用来确定目标检测包围框的办法，结构相对复杂，在网络结构中需求的参数量极大，从而影响了模型的速度，而检测速度的降低及大量的参数对算法的实际应用造成了很大的障碍。

技术实现思路

[0003]为了克服现有技术的不足，本公开实施例提供了一种基于分数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分数图的目标检测模型训练方法，其特征在于，所述方法包括：获取目标检测的数据集图片，对数据集图片进行尺寸变换，使得数据集中目标尺寸的平均值可以表示为2
n+1
，n为整数；设定目标检测模型分数图的感受野尺寸为2
n
；构建输入图片与分数图的映射关系：分数图上的分数标签值，等于目标物体在其感受野中的占比，即分数标签值的计算公式如下：Score(i，j)＝(A∩RF(i，j))/RF(i，j)，其中i，j表示分数图上某点的横坐标和纵坐标，起点的坐标为i＝1，j＝1，Score(i，j)表示该点的分数，RF(i，j)代表该点在原图上对应的感受野区域，A代表原图中的目标区域；采用目标检测的数据集对目标检测模型训练，使得最终模型的预测结果接近或者达到上述输入图片与分数图的映射关系。2.根据权利要求1所述的一种基于分数图的目标检测模型训练方法，其特征在于，在设定检测模型分数图的感受野尺寸之前，通过目标尺寸的极大值和极小值判断目标尺寸是否相对稳定，数据集中目标尺寸的极大值，记为a，其极小值记为b，即若a<3*2
n
且b>2
n
，则进入下一步，否则采用其他训练方法。3.根据权利要求2所述的一种基于分数图的目标检测模型训练方法，其特征在于，所述构建输入图片与分数图的映射关系中，若目标存在多个类别，则对多个类别的目标分别进行分数图的计算，得到多个分数图。4.根据权利要求1-3任一项所述的一种基于分数图的目标检测模型训练方法，其特征在于，所述构建输入图片与分数图的映射关系中，若目标检测模型存在不同深度的网络层都需要做预测和输出，则对不同深度的网络层计算感受野尺寸，再分别计算该网络层上的分数图，得到多个分数图。5.一种基于分数图的目标检测方法，其特征在于，该方法...

【专利技术属性】
技术研发人员：吴天鹏，周金明，李军，
申请(专利权)人：南京行者易智能交通科技有限公司，
类型：发明
国别省市：