System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于目标检测,具体涉及一种面向边缘侧硬件的非极大值抑制小目标多阶筛选方法。
技术介绍
1、边缘侧小目标检测方案目前基本基于卷积神经网络的方式设计,在进行检测算法的边缘侧部署时,对算法的轻量化处理会降低算法精度,进而对特征相近的目标产生误判,生成高重合度的错误分类候选框,造成检测结果冗余、分类错误进而降低召回率等问题。如何在简单有效抑制错误候选框的同时不降低候选框的召回率是提高小目标检测精度的关键问题。
2、针对算法边缘测部署而出现的一系列低功耗轻量化开发平台由于其低成本与易开发的特性成为端侧部署的常用选择。现有针对网络后处理中nms的优化算法多集中于改进对候选框置信度的运算方法,计算复杂程度偏高、没有针对边缘测的硬件优化,对端侧部署并不友好。soft nms方法通过降低重叠候选框置信度分数,使得与中心框的交并比(intersection over union,iou)较高的框受到较大的影响,但在不同类别的目标聚集时还是会出现真实目标边界框被剔除的问题。multi-class nms虽然考虑了类别因素,但是在小目标检测网络中会保留过多分类错误的误检框,影响网络最终检测结果。在计算加速方面,针对nms算法实现的加速策略多基于fpga(field-programmable gate array)和gpu等计算平台,成本高且无法在边缘侧设备上有效部署。
技术实现思路
1、为了解决现有技术中存在的上述问题,本专利技术提供了一种面向边缘侧硬件的非极大值抑制小目标多阶筛选方
2、本专利技术提供了一种面向边缘侧硬件的非极大值抑制小目标多阶筛选方法包括:
3、s100,获取通过向预测网络输入待检测图像,以预测小目标的原始预测结果;所述原始预测结果包括小目标的候选框、候选框的分数以及候选框的类别标签;
4、s200,对所述原始预测结果按照置信度进行筛选和排序,得到排序后的预测结果;
5、s300,设置每一轮迭代所需的线程数量以及非极大值抑制操作所需的迭代次数,并将线程内的运算部分分为交集运算和并集运算;每一个线程负责一个类别候选框的非极大值抑制操作;
6、s400,按照交集加速策略启动线程执行候选框的交集运算,以及并集加速策略启动线程执行候选框的并集计算,得到并集计算结果和交集计算结果;
7、s500,根据并集计算结果与交集计算结果计算交并比,并将交并比小于交并比阈值的候选框的位置参数保留;
8、s600,针对s500保留位置参数的所有候选框重复步骤s400至s500的步骤得到最终保留的候选框的位置参数队列。
9、有益效果:
10、本专利技术提供了一种面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,对所述原始预测结果按照置信度进行筛选和排序,可以通过一阶段分组式非极大值抑制减少不同种类之间候选框交叠的影响,按照交集加速策略启动线程执行候选框的交集运算,以及并集加速策略启动线程执行候选框的并集计算从而保留重合度高于一阶段阈值但分属不同种类的候选框,计算并集计算结果与交集计算结果的交并比iou=si/su,并将交并比小于交并比阈值的候选框的位置参数保留。二阶段提高阈值精细筛选的过程可以有效抑制掉由于网络性能引起的高重合度但分类错误候选框,最大化表现算法性能,提高候选框的召回率。iou计算过程充分利用cpu资源进行加速,减少多阶计算引起的延时。
11、以下将结合附图及实施例对本专利技术做进一步详细说明。
本文档来自技高网...【技术保护点】
1.一种面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,包括:
2.根据权利要求1所述的面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,S200包括:
3.根据权利要求1所述的面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,S300包括:
4.根据权利要求3所述的面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,
5.根据权利要求1-4任一项所述的面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,每个候选框的数值表示为(x,y,w,h),分别对应候选框的中心坐标、宽以及高。
6.根据权利要求5所述的面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,在S400之前,所述面向边缘侧硬件的非极大值抑制小目标多阶筛选方法还包括:
7.根据权利要求6所述的面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,S400中按照交集加速策略启动线程执行候选框的交集计算包括:
8.根据权利要求7所述的面向边缘侧硬件的非极大值抑制小目标多阶筛选方
9.根据权利要求8所述的面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,S420b中的并集计算结果表示为:
10.根据权利要求3所述的面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,S500包括:
...【技术特征摘要】
1.一种面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,包括:
2.根据权利要求1所述的面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,s200包括:
3.根据权利要求1所述的面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,s300包括:
4.根据权利要求3所述的面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,
5.根据权利要求1-4任一项所述的面向边缘侧硬件的非极大值抑制小目标多阶筛选方法,其特征在于,每个候选框的数值表示为(x,y,w,h),分别对应候选框的中心坐标、宽以及高。
6.根据权利要求5所述的面向边缘侧硬件的非极大值抑制小目标多阶...
【专利技术属性】
技术研发人员:赖睿,石汉钦,刘博成,官俊涛,
申请(专利权)人:西安电子科技大学重庆集成电路创新研究院,
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。