基于Focal-EIOU的YOLOv4目标检测方法技术

本发明专利技术公开了一种基于Focal

【技术实现步骤摘要】
基于Focal
‑
EIOU的YOLOv4目标检测方法


[0001]本专利技术涉及人工智能图像识别
，具体而言涉及一种基于Focal
‑
EIOU的YOLOv4目标检测方法。

技术介绍

[0002]YOLO算法作为当前主流的目标检测算法，从YOLOv1衍生到现在的YOLOv5，其中检测效果最好的则是YOLOv4，而YOLOv4目标检测算法中的边界框损失函数CIOU存在的问题影响了收敛速度，公式中的υ只反映了纵横比的差异，而不是宽高分别与其置信度的真实差异，所以有时会阻碍模型有效的优化相似性；且无法解决存在的样本质量不平问题。
[0003]专利号为CN113609926A的专利技术中提及一种基于泛化IOU的改进损失函数的I
‑
YOLOv4算法，将IoU作为训练指标泛化到损失函数之中，提出了一种基于泛化IOU的改进损失函数的I
‑
YOLOv4算法，但该专利技术主要研究密集区域内遮挡目标检测问题，不涉及收敛速度和样本质量不平的技术问题。
专利
技术实现思路

[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Focal
‑
EIOU的YOLOv4目标检测方法，其特征在于，所述目标检测方法包括以下步骤：S1，对样本标签进行平滑处理；S2，根据余弦退火算法优化学习率；S3，基于YOLOv4网络构建目标检测模型，采用Focal
‑
EIOU替换原YOLOv4网络中的CIOU边界框损失函数；S4，利用迁移学习思想，将训练分为两个阶段，分别是冻结阶段和解冻阶段，进行网络训练；在网络训练时，采用的余弦退火学习率先模拟余弦函数快速下降，使目标检测模型迅速踏入局部最优点，保存局部最优点的模型；其次开启热重启，使学习率线性上升至一个较大值，以逃离当前的局部最优点，并寻找新的最优点；周期性重复上述过程以加速收敛。2.根据权利要求1所述的基于Focal
‑
EIOU的YOLOv4目标检测方法，其特征在于，步骤S1中，对样本标签进行平滑处理的过程包括以下步骤：S11，对于二分类样本，设训练样本为(x
i
,y
i
)，其中y
i
为样本标签；当采用交叉熵来描述损失函数时，对于每一个样本i，损失函数为：S12，经过标签随机化之后，新标签有λ的概率与原标签不同，有1
‑
λ的概率与原标签相同；采用随机化新标签的损失函数有1
‑
λ的概率与损失函数L
i
相同，有λ的概率为：S13，将公式进行加权平均后得到新公式：y
′
i
＝
‑
λ(1
‑
y
i
)
‑
(1
‑
λ)y
i
；S14，当输入标签为0时，用近似数λ进行替换；当输入标签为1时，用近似数1
‑
λ进行替换：3.根据权利要求1所述的基于Focal
‑
EIOU的YOLOv4目标检测方法，其特征在于，步骤S2中，根据余弦退火算法优化学习率的过程包括以下步骤：S21，设训练epoch为E
p
、训练批次为B
s
、预热期为w_epoch、预先设置学习率为η
base
、最大学习率为η
max
、最小学习率为η
min
、训练样本数为S
c
；S22，根据下述公式，求出初始化总步长Steps
total
以及预热步长Steps
warmup
：Steps
total
＝(E

【专利技术属性】
技术研发人员：焦良葆，陈颖，曹雪虹，孟琳，张嘉超，朱红，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：