一种基于改进CenterNet算法的测试样本自动标注方法技术

本发明专利技术涉及一种基于改进CenterNet算法的测试样本自动标注方法，本发明专利技术通过调整原图像尺寸；使用改进的EfficientNet‑B0作为特征提取网络对调整后的图像进行特征提取；多尺度自适应特征融合模块AF‑BiFPN对提取的特征进行多尺度特征融合；MIOU损失函数将预测的中心点位置以及目标尺寸共同解码为预测框，进行测试样本的自动标注。本发明专利技术通过引入改进的EfficientNet‑B0作为特征提取网络，并设计多尺度自适应特征融合模块AF‑BiFPN将浅层像素级特征与深层语义特征结合起来，提高模型检测精度，最后通过引入MIOU损失将预测的中心点位置以及目标尺寸共同解码为预测框，减少原模型对目标识别过程的定位偏差，进一步实现测试样本的自动标注。

【技术实现步骤摘要】

本专利技术属于计算机视觉图像识别，尤其是一种基于改进centernet算法的测试样本自动标注方法。

技术介绍

1、目标检测是计算机视觉的热门研究领域，目前常见的有三类基于深度学习的目标检测算法，分别是基于候选框的目标检测算法、基于回归的目标检测算法和基于无锚框的目标检测算法。

2、基于候选框的目标检测算法其过程分为两步：首先生成目标可能存在的子区域候选框，然后对这些候选框进行分类和校准，实现目标的检测过程。该方法检测精度较高，但检测速度偏慢。

3、基于回归的目标检测算法没有显示的生成候选框，将原始图像输入后，直接回归得到最终结果，该方法检测速度更快，但检测精度有所下降。代表算法yolo系列、ssd系列及其改进算法。

4、与基于锚框的目标检测算法相比，基于无锚框的检测算法取消了预设锚框的过程，其最常见的算法是centernet和cornernet。centernet与cornernet相比，centernet将检测目标作为边界框的中心点，提高了模型对内部信息的感知能力，避免了cornernet中误检率高的问题。但是cent本文档来自技高网...

【技术保护点】

1.一种基于改进CenterNet算法的测试样本自动标注方法，应用于CenterNet模型中，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于改进CenterNet算法的测试样本自动标注方法，其特征在于：所述步骤1的具体实现方法为：将原图像的尺寸调整为512×512。

3.根据权利要求1所述的一种基于改进CenterNet算法的测试样本自动标注方法，其特征在于：所述步骤2的具体实现方法为：通过包含ECA模块的EfficientNet-B0网络提取目标特征，并将提取后的目标特征输入至ECA模块，ECA模块对特征通道之间的关联性进行建模，增强特征的表征能力...

【技术特征摘要】

1.一种基于改进centernet算法的测试样本自动标注方法，应用于centernet模型中，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于改进centernet算法的测试样本自动标注方法，其特征在于：所述步骤1的具体实现方法为：将原图像的尺寸调整为512×512。

3.根据权利要求1所述的一种基于改进centernet算法的测试样本自动标注方法，其特征在于：所述步骤2的具体实现方法为：通过包含eca模块的efficientnet-b0网络提取目标特征，并将提取后的目标特征输入至eca模块，eca模块对特征通道之间的关联性进行建模，增强特征的表征能力。

4.根据权利要求3所述的一...

【专利技术属性】
技术研发人员：郭威，王仰铭，周晨曦，文清丰，李隆基，张弛，王松波，李学刚，李琳，何金，赵琦，董鹏，李楠，姚瑛，晋萃萃，张贺，宁琦，
申请(专利权)人：国网天津市电力公司电力科学研究院，
类型：发明
国别省市：