基于联合抑制的目标检测分类方法技术

本发明专利技术提供一种基于联合抑制的目标检测分类方法，包括：获取待检测分类数据；基于待检测分类数据运行目标检测分类网络中的特征提取网络，得到特征提取结果；将特征提取结果输入目标检测分类网络中的检测分支网络和分类分支网络，得到目标检测分类中间结果；基于抑制函数对目标检测分类中间结果进行非极大值抑制排序，将抑制函数取极大值的目标检测分类中间结果作为目标检测分类结论；抑制函数的变量包括检测置信度和分类置信度。本发明专利技术通过联合检测置信度和分类置信度作为抑制函数，并进一步基于所述抑制函数进行多个中间结果的非极大值抑制，能够更为全面的考虑网络输出精度，避免了传统方法中，目标分类结果准确、目标检测框质量较差的问题。检测框质量较差的问题。检测框质量较差的问题。

【技术实现步骤摘要】
基于联合抑制的目标检测分类方法


[0001]本专利技术涉及深度学习
，尤其涉及一种基于联合抑制的目标检测分类方法。

技术介绍

[0002]目标检测(Object Detection)的任务是找出图像(或点云数据)中所有感兴趣的目标(物体)，确定它们的类别和位置，是深度学习领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素(点云噪声)的干扰，目标检测一直是深度学习领域内最具有挑战性的问题。
[0003]目标检测在同一目标的位置上会产生大量的候选框，候选框相互会有重叠。因此，如何找到最佳的目标边界框，消除冗余成为了业内亟需解决的问题。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术实施例提供一种基于联合抑制的目标检测分类方法。
[0005]本专利技术提供一种基于联合抑制的目标检测分类方法，包括：
[0006]获取待检测分类数据；
[0007]基于所述待检测分类数据运行目标检测分类网络中的特征提取网络，得到特征提取结果；
[0008]将所述特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联合抑制的目标检测分类方法，其特征在于，包括：获取待检测分类数据；基于所述待检测分类数据运行目标检测分类网络中的特征提取网络，得到特征提取结果；将所述特征提取结果输入目标检测分类网络中的检测分支网络和分类分支网络，得到多个目标检测分类中间结果；所述目标检测分类中间结果包括检测结果、检测置信度、分类结果以及分类置信度；基于抑制函数对所述多个目标检测分类中间结果进行非极大值抑制排序，将抑制函数取极大值的目标检测分类中间结果作为目标检测分类结论；所述抑制函数的变量包括检测置信度和分类置信度；所述目标检测分类网络是基于样本训练得到的。2.根据权利要求1所述的基于联合抑制的目标检测分类方法，其特征在于，所述目标检测分类网络中分类分支网络的训练损失函数包括检测损失项和分类损失项。3.根据权利要求2所述的基于联合抑制的目标检测分类方法，其特征在于，所述检测损失项和分类损失项的权值不同。4.根据权利要求2所述的基于联合抑制的目标检测分类方法，其特征在于，所述检测损失项为所述目标检测分类网络中检测分支网络输出的检测结果与检测标签的交并比；所述分类损失项为所述目标检测分类网络中分类分支网络输出的分类结果与分类标签的交叉熵。5.根据权利要求1所述的基于联合抑制的目标检测分类方法，其特征在于，所述目标检测分类网络中检测分支网络的训练损失函数包括所述目标检测分类网络中检测分支网络输出的检测结果与检测标签的交并比。6.根据权利要求1至5中任一项...

【专利技术属性】
技术研发人员：宋力，程新景，
申请(专利权)人：际络科技上海有限公司，
类型：发明
国别省市：