【技术实现步骤摘要】
锚框质量的评估方法及装置
[0001]本公开涉及图片处理
，尤其涉及一种锚框质量的评估方法及装置。
技术介绍
[0002]现有的目标检测技术，多数是基于锚框的技术。锚框又可以称为候选框，在模型训练中，锚框越是贴合标签质量越高，也就是锚框和标签框选的目标重合部分越多，锚框质量越高。在检测中生成的锚框数量十分庞大，质量不一，将大量的锚框一视同仁显然是不合理的，每个锚框都会产生损失，都会对训练产生贡献，现有技术并没有基于质量对锚框进行区分。
[0003]在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下技术问题：无法评估锚框质量的问题。
技术实现思路
[0004]有鉴于此，本公开实施例提供了一种锚框质量的评估方法、、装置、电子设备及计算机可读存储介质，以解决现有技术中，无法评估锚框质量的问题。
[0005]本公开实施例的第一方面，提供了一种锚框质量的评估方法，包括：获取训练数据集，并利用特征提取网络提取训练数据集中每张训练图片的特征向量，其中，训练数据集，包括：获取检测数据集，其中...
【技术保护点】
【技术特征摘要】
1.一种锚框质量的评估方法，其特征在于，包括：获取检测数据集，其中，所述检测数据集，包括：多个类别、每个类别的多张检测图片以及每张检测图片上的多个标签；利用检测模型在每张检测图片上生成该张检测图片上的每个标签对应的多个锚框，并从生成每个锚框后的检测图片中裁剪得到该锚框对应的锚框图片；将所有锚框图片输入锚框分类模型，输出每个锚框图片的类别质量分；将所有锚框图片输入锚框识别模型，输出每个锚框图片的识别质量分；依据所有锚框图片的类别质量分和识别质量分，评估所述检测模型生成高质量锚框的能力。2.根据权利要求1所述的方法，其特征在于，包括：获取公共数据集，其中，所述公共数据集，包括：多个类别、每个类别的多张图片以及每张图片上的多个标签；在每张图片上铺设该张图片上的每个标签对应的多个锚框，计算每个锚框与其对应标签之间的并交比值；根据每个标签与其对应的锚框之间的并交比值，为每个标签选择预设数量的锚框；从选中的每个锚框的图片中裁剪得到该锚框对应的训练图片；在每个训练图片上标注其所属类别的标识号、其对应标签的标识号和其对应交并比值，得到训练数据集；利用所述训练数据集训练所述锚框分类模型和所述锚框识别模型。3.根据权利要求2所述的方法，其特征在于，利用所述训练数据集训练所述锚框分类模型，包括：将所述训练数据集中的所有训练图片输入所述锚框分类模型，输出每张训练图片为每个类别的概率值；基于每张训练图片对应的标签和最高的概率值，利用第一损失函数训练所述锚框分类模型，其中，每张训练图片对应的最高的概率值与该训练图片的类别质量分相关。4.根据权利要求3所述的方法，其特征在于，所述第一损失函数loss1：loss1＝∑
‑
(y*log(p)+(1
‑
y)*log(1
‑
p))其中，y和p分别为每张训练图片对应的标签和最高的概率值。5.根据权利要求2所述的方法，其特征在于，利用所述训练数据集训练所述锚框识别模型，包括：将所述训练数据集中的所有训练图片输入所述锚框识别模型，输出每张训练图片对应的特征向量；基于每张训练图片对应的交并比值以及该训练图片与其对应的第一目标图片对应的特征向量，利用第二损失函数计算每张训练图片对应的第一损失值，其中，每张训练图片对应的第一目标图片为另一张训练图片，每张训练图片与其对应的第一目标图片对应标签相同；基于每张训练图片与其对应的第二目标图片对应的特征向量，利用第三损失函数计算每张训练图片对应的第二损失值，其中，每张训练图片对应的第二目标图片为另一张训练图片，每张训练图片与其对应的第二目标图片所属类别相同对应标签不相同；
基于每张训练图片与其对应的第一目标图片和第二目标图片对应的特征向量，利用第四损失函数...
【专利技术属性】
技术研发人员：黄泽元，
申请(专利权)人：北京龙智数科科技服务有限公司，
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。