分级目标检测方法及装置制造方法及图纸

本申请涉及一种分级目标检测方法及装置。该方法包括：向分级YOLOV5网络模型输入训练集；通过分级YOLOV5网络模型的3个预测分支分别对训练集中的不同尺寸大小的标注框进行预测，分别获得3个预测分支各自的预测输出；根据分级YOLOV5网络模型3个预测分支各自的预测输出，分别计算3个预测分支各自的损失函数值；如果分级YOLOV5网络模型3个预测分支的损失函数值的最大值小于设定损失阈值和/或循环迭代训练的次数达到设定迭代次数，确定完成分级YOLOV5网络模型的训练；向完成训练的分级YOLOV5网络模型输入包含目标的图像，以使完成训练的分级YOLOV5网络模型进行目标检测。本申请提供的方案，能够对大中小不同尺寸的目标都达到最优检测效果。达到最优检测效果。达到最优检测效果。

【技术实现步骤摘要】
分级目标检测方法及装置


[0001]本申请涉及导航
，尤其涉及一种分级目标检测方法及装置。

技术介绍

[0002]从交通场景中自动地检测交通场景中的各种不同大小的目标（例如，交通标志）是车辆自动驾驶的首要处理步骤。快速、准确地检测交通场景中的各种不同大小的目标，能够为自动驾驶车辆的自动导航提供准确的环境信息，是实现安全驾驶的关键。
[0003]相关技术在对大小不一的目标进行检测时，常常融合浅层和深层特征，对大中小不同目标带有信息冗余，且融合时相互干扰，带入部分背景无效噪声数据使得目标无法达到最优检测效果。

技术实现思路

[0004]为解决或部分解决相关技术中存在的问题，本申请提供一种分级目标检测方法及装置，能够对大中小不同尺寸的目标都达到最优检测效果。
[0005]本申请第一方面提供一种分级目标检测方法，所述方法包括：向分级YOLOV5网络模型输入训练集，其中，所述分级YOLOV5网络模型在YOLOV5网络模型的基础上去除3个预测分支的信息交互功能，所述分级YOLOV5网络模型的3个预测分支直接输出检测结果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分级目标检测方法，其特征在于，包括：向分级YOLOV5网络模型输入训练集，其中，所述分级YOLOV5网络模型在YOLOV5网络模型的基础上去除3个预测分支的信息交互功能，所述分级YOLOV5网络模型的3个预测分支直接输出检测结果；通过分级YOLOV5网络模型的3个预测分支分别对训练集中的不同尺寸大小的标注框进行预测，分别获得所述分级YOLOV5网络模型3个预测分支各自的预测输出；根据所述分级YOLOV5网络模型3个预测分支各自的预测输出，分别计算所述分级YOLOV5网络模型3个预测分支各自的损失函数值；如果所述分级YOLOV5网络模型3个预测分支的损失函数值的最大值小于设定损失阈值和/或循环迭代训练的次数达到设定迭代次数，确定完成所述分级YOLOV5网络模型的训练；向完成训练的分级YOLOV5网络模型输入包含目标的图像，以使所述完成训练的分级YOLOV5网络模型进行目标检测。2.根据权利要求1所述的方法，其特征在于，所述如果所述分级YOLOV5网络模型3个预测分支的损失函数值的最大值小于设定损失阈值和/或循环迭代训练的次数达到设定迭代次数，确定完成所述分级YOLOV5网络模型的训练之前，还包括：根据分级YOLOV5网络模型3个预测分支各自的在一次迭代的一个周期的学习次数，分别完成所述分级YOLOV5网络模型3个预测分支在一次迭代的训练。3.根据权利要求2所述的方法，其特征在于，所述根据分级YOLOV5网络模型3个预测分支各自的在一次迭代的一个周期的学习次数，分别完成所述分级YOLOV5网络模型3个预测分支在一次迭代的训练之前，还包括：根据所述分级YOLOV5网络模型3个预测分支各自的损失函数值，分别确定所述3个预测分支各自的在所述一次迭代的一个周期的学习次数。4.根据权利要求1所述的方法，其特征在于，所述通过分级YOLOV5网络模型的3个预测分支分别对训练集中的不同尺寸大小的标注框进行预测，分别获得所述分级YOLOV5网络模型3个预测分支各自的预测输出，包括：将所述训练集中的不同尺寸大小的标注框拆分为3类：小标注框类、中等标注框类、大标注框类；通过分级YOLOV5网络模型的小目标预测分支、中等目标预测分支、大目标预测分支分别对小标注框类的标注框、中等标注框类的标注框、大标注框类的标注框进行预测，分别获得所述小目标预测分支对所述小标注框类的标注框的预测输出、所述中等目标预测分支对所述中等标注框类的标注框的预测输出，所述大目标预测分支对所述大标注框类的标注框的预测输出。5.根据权利要求4所述的方法，其特征在于，所述将所述训练集中的...

【专利技术属性】
技术研发人员：张雪，罗壮，张海强，李成军，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：