【技术实现步骤摘要】
一种基于角度锚框的目标定位方法、系统及存储介质
[0001]本申请涉及机器视觉
,具体而言,涉及一种基于角度锚框的目标定位方法、系统及存储介质。
技术介绍
[0002]基于深度学习的目标检测方法被大量使用在工业制造领域,深度学习可以利用大数据自动学习特征从而具有良好的鲁棒性,如Yolo系列算法、Fast RCNN系列算法、SSD系列算法等可以很好的应用在物体的缺陷检测上。这些算法可以直接预测出物体的位置、类型以及置信度信息,其中位置是指正矩形包围盒,也就是中心位置(x,y)以及盒的宽高(w,h)。上面这些算法预测物体的包围盒具有出色的表现。
[0003]然而工业制造领域很多场景需要检测物体的角度,也就是需要定位物体,即需要预测物体的位置(x、y)、宽高(w,h)和角度(θ)。目前大多数算法都是预测物体的正矩形包围盒,如上面提到的序列算法。也有基于旋转目标检测的深度学习算法,这些算法被用于密集性物体检测(如卫星遥感图像检测)。相对于基于正矩形框的检测算法,基于旋转矩形框检测算法具有更为准确的iou计算方式,因此精度上往往更好。然而,这些旋转目标检测方法对于角度的编码普遍是0~180
°
,也就是只需要将包围目标的最小外接矩形框检测出来即可,无需关心角度的正负(
‑
180
°
~180
°
)。这和它们的应用场景是相关的,因为,如像遥感图像物体检测,只需要提高密集性目标的检测精度即可,而基于0~180
°
的框完全可以满足需要 ...
【技术保护点】
【技术特征摘要】
1.一种基于角度锚框的目标定位方法,其特征在于,所述方法包括以下步骤:构建基于Yolov5的角度定位网络模型;通过所述基于Yolov5的角度定位网络模型输出不同尺寸的特征图;不同尺寸的特征图分别检测大小不同的目标以提高检测精度;引入角度锚框机制,修改基于Yolov5的所述角度定位网络模型的输出形式,将所述基于Yolov5的角度定位网络模型的输出选项修改为:目标位置、旋转矩形框的尺寸、目标置信度、目标类别概率、预测角度以及预测角度概率;将待测图像输入所述基于Yolov5的所述角度定位网络模型,利用基于Yolov5的所述角度定位网络模型的特征图检测目标,输出每个目标的预测数据。2.根据权利要求1所述的一种基于角度锚框的目标定位方法,其特征在于,所述角度锚框机制具体为:将整个预测范围分为N段,其中N为正整数;每段预测一个预测角度,同时预测该段中预测角度概率;然后将预测角度概率最大的预测角度作均方差回归处理,输出预测角度和预测角度概率。3.根据权利要求2所述的一种基于角度锚框的目标定位方法,其特征在于,所述N取值为:N=4。4.根据权利要求3所述的一种基于角度锚框的目标定位方法,其特征在于,所述预测角度编码采用原始角度。5.根据权利要求4所述的一种基于角度锚框的目标定位方法,其特征在于,所述预测角度编码方式如下:σ为sigmoid函数,t
θ
为预测值,θ
k
为预测角度。6.根据权利要求1
‑
5任一项所述的一种基于角度锚框的目标定位方法,其特征在于,所述基于Yolov5的角度定位网络模型的损失函数为:其中,x为真实目标在直角坐标中的横坐标位置,y为真实目标在直角坐标中的纵轴坐标位置,w为真实目标的高度,h为真实目标的宽度,θ为真实目标的角度,x
′
为预测目标在直角坐标中的横坐标位置,y
′
为预测目标在直角坐标中的纵轴坐标位置,w
′
为预测目标的高度,h
′
为预测目标的宽度,为预测目标的角度,Σ((x
‑
x
′
)2+(y
‑
y
′
)2)为位置损失,Σ((w
‑
w
′
)2+(h
‑
h
′
)2)为尺寸损失,为角度损失,Σcls
θ
为角度类别损失,Σ
cls
obj
为目标类别损失,∑obj为目标置信度损失。7.一种基于角度锚框的目标定位系统,其特征在于,该系统包括...
【专利技术属性】
技术研发人员:曹建伐,陈安,周才健,周柔刚,许允迪,肖廷哲,
申请(专利权)人:温州汇萃智能科技有限公司,
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。