层级化目标检测中的度量方法及装置制造方法及图纸

本申请涉及目标检测技术领域，特别涉及一种层级化目标检测中的度量方法及装置，其中，方法包括：针对多张测试图片，计算每张测试图片中的度量值，基于度量值，匹配每张测试图片的预测实例和真实标签，得到匹配结果，统计多张测试图片的所有匹配结果，根据所有匹配结果计算HAP值，并将HAP值作为度量指标，以利用度量指标对结构化目标检测器的表现进行评估，得到评估结果。本申请实施例可以基于计算所得HAP值进行层级化目标检测任务，从而更准确地实现对模型预测不同层次错误的惩罚，提高了层级化目标检测指标的平滑度与合理性，可靠性更强。强。强。

【技术实现步骤摘要】
层级化目标检测中的度量方法及装置


[0001]本申请涉及目标检测
，特别涉及一种层级化目标检测中的度量方法及装置。

技术介绍

[0002]目标检测通用的度量指标为平均精度(AveragePrecision，AP)，相关技术中，对于模型的一组预测结果，可筛选其中真实值IoU(Intersection over Union)大于某个阈值的结果，对于结果计算精度(Precision)和回归(Recall)，得到了某一IoU值下的一对P
‑
R(Precision
‑
Recall)值，通过变更IoU阈值，得到P
‑
R曲线，曲线下方的面积被称为AP。
[0003]然而，相关技术中，平均精度的目标检测难以实现模型预测不同层次错误的合理惩罚，无法准确衡量模型预测与真实值之间的差别，相对于具备结构树层级化的目标检测任务适应性较差，导致模型评估结果的精确性下降，亟待解决。

技术实现思路

[0004]本申请提供一种层级化目标检测中的度量方法及装置，以解决相关技术中，平均精度的目标检测难以实现模型预测不同层次错误的合理惩罚，无法准确衡量模型预测与真实值之间的差别，相对于具备结构树层级化的目标检测任务适应性较差，导致模型评估结果的精确性下降等问题。
[0005]本申请第一方面实施例提供一种层级化目标检测中的度量方法，包括以下步骤：针对多张测试图片，计算每张测试图片中的度量值；基于所述度量值，匹配所述每张测试图片的预测实例和真实标签，得到匹配结果；统计所述多张测试图片的所有匹配结果，根据所述所有匹配结果计算HAP(Hierarchical Average Precision)值，并将所述HAP值作为度量指标，以利用所述度量指标对结构化目标检测器的表现进行评估，得到评估结果。
[0006]可选地，在本申请的一个实施例中，所述基于所述度量值，匹配所述每张测试图片的预测实例和真实标签，得到匹配结果，包括：筛选出所述度量值为预设值的至少一个预测实例和真实标签，并获取所述预测实例的预测置信度；按照预设顺序排列所述预测置信度，选择与其交并比最大的真实标签进行匹配，得到所述匹配结果。
[0007]可选地，在本申请的一个实施例中，所述按照预设顺序排列所述预测置信度，选择与其交并比最大的真实标签进行匹配，得到所述匹配结果，包括：基于所述度量值为预设值的预测实例和真实标签，获取剩余预测实例和真实标签的度量值；按照预设顺序排列预测置信度，针对每个剩余预测实例，选择与其交并比最大的剩余真实标签进行匹配。
[0008]可选地，在本申请的一个实施例中，所述根据所述匹配结果计算HAP值，包括：基于所述预设顺序将所述匹配结果的预测置信度进行排列，计算TP(True Positive)、值和FP(False Positive)值；根据所述TP值和FP值获取P
‑
R曲线，由所述P
‑
R曲线下方的面积得到HAP值。
[0009]本申请第二方面实施例提供一种层级化目标检测中的度量装置，包括：计算模块，
用于针对多张测试图片，计算每张测试图片中的度量值；匹配模块，用于基于所述度量值，匹配所述每张测试图片的预测实例和真实标签，得到匹配结果；度量模块，用于统计所述多张测试图片的所有匹配结果，根据所述所有匹配结果计算HAP值，并将所述HAP值作为度量指标，以利用所述度量指标对结构化目标检测器的表现进行评估，得到评估结果。
[0010]可选地，在本申请的一个实施例中，所述匹配模块包括：筛选单元，用于筛选出所述度量值为预设值的至少一个预测实例和真实标签，并获取所述预测实例的预测置信度；第一匹配单元，用于按照预设顺序排列所述预测置信度，选择与其交并比最大的真实标签进行匹配，得到所述匹配结果。
[0011]可选地，在本申请的一个实施例中，所述匹配模块包括：第一获取单元，用于基于所述度量值为预设值的预测实例和真实标签，获取剩余预测实例和真实标签的度量值；第二匹配单元，用于按照预设顺序排列预测置信度，针对每个剩余预测实例，选择与其交并比最大的剩余真实标签进行匹配。
[0012]可选地，在本申请的一个实施例中，所述度量模块包括：计算单元，用于基于所述预设顺序将所述匹配结果的预测置信度进行排列，计算TP值和FP值；第二获取单元，用于根据所述TP值和FP值获取P
‑
R曲线，由所述P
‑
R曲线下方的面积得到HAP值。
[0013]本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的层级化目标检测中的度量方法。
[0014]本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的层级化目标检测中的度量方法。
[0015]本申请实施例可以针对多张测试图片，计算每张测试图片中的度量值，基于度量值，匹配每张测试图片的预测实例和真实标签，得到匹配结果，统计多张测试图片的所有匹配结果，根据所有匹配结果计算HAP值，并将HAP值作为度量指标，以利用度量指标对结构化目标检测器的表现进行评估，得到评估结果，从而更准确地实现对模型预测不同层次错误的惩罚，提高了层级化目标检测指标的平滑度与合理性，可靠性更强。由此，解决了相关技术中，平均精度的目标检测难以实现模型预测不同层次错误的合理惩罚，无法准确衡量模型预测与真实值之间的差别，相对于具备结构树层级化的目标检测任务适应性较差，导致模型评估结果的精确性下降等问题。
[0016]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0017]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0018]图1为根据本申请实施例提供的一种层级化目标检测中的度量方法的流程图；
[0019]图2为本申请一个实施例的层级化目标检测中的度量过程示意图；
[0020]图3为本申请一个实施例的层级化目标检测中度量方法的验证示意图；
[0021]图4为根据本申请实施例的层级化目标检测中的度量装置的结构示意图；
[0022]图5为根据本申请实施例的电子设备的结构示意图。
具体实施方式
[0023]下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
[0024]下面参考附图描述本申请实施例的层级化目标检测中的度量方法及装置。针对上述
技术介绍
中提到的相关技术中，平均精度的目标检测难以实现模型预测不同层次错误的合理惩罚，无法准确衡量模型预测与真实值之间的差别，相对于具备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种层级化目标检测中的度量方法，其特征在于，包括以下步骤：针对多张测试图片，计算每张测试图片中的度量值；基于所述度量值，匹配所述每张测试图片的预测实例和真实标签，得到匹配结果；以及统计所述多张测试图片的所有匹配结果，根据所述所有匹配结果计算HAP值，并将所述HAP值作为度量指标，以利用所述度量指标对结构化目标检测器的表现进行评估，得到评估结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述度量值，匹配所述每张测试图片的预测实例和真实标签，得到匹配结果，包括：筛选出所述度量值为预设值的至少一个预测实例和真实标签，并获取所述预测实例的预测置信度；按照预设顺序排列所述预测置信度，选择与其交并比最大的真实标签进行匹配，得到所述匹配结果。3.根据权利要求2所述的方法，其特征在于，所述按照预设顺序排列所述预测置信度，选择与其交并比最大的真实标签进行匹配，得到所述匹配结果，包括：基于所述度量值为预设值的预测实例和真实标签，获取剩余预测实例和真实标签的度量值；按照预设顺序排列预测置信度，针对每个剩余预测实例，选择与其交并比最大的剩余真实标签进行匹配。4.根据权利要求3所述的方法，其特征在于，所述根据所述匹配结果计算HAP值，包括：基于所述预设顺序将所述匹配结果的预测置信度进行排列，计算TP值和FP值；根据所述TP值和FP值获取P
‑
R曲线，由所述P
‑
R曲线下方的面积得到HAP值。5.一种层级化目标检测中的度量装置，其特征在于，包括：计算模块，用于针对多张测试图片，计算每张测试图片中的度量值；匹配模块，用于基于所述度量值，匹配所述每张测试图片的预测实例和真实标签，得到匹配结...

【专利技术属性】
技术研发人员：丁贵广，杨宇泓，何宇巍，
申请(专利权)人：清华大学，
类型：发明
国别省市：