【技术实现步骤摘要】
本专利技术涉及目标检测，尤其涉及基于有向包围盒的目标检测方法、装置及电子设备。
技术介绍
1、随着深度学习技术的高速发展，深度神经网络被广泛地应用于目标检测领域中。在遥感图像目标检测、文字识别等领域中，目标在图像中的方向通常是任意的。为了提高这类目标的检测精度，这些目标通常会由有向包围盒，即有向矩形表示，具体地，神经网络中需要将有向包围盒编码为几个参数用于回归。
2、传统的有向包围盒编码方法通常会存在不稳定的问题，其通常是将有向包围盒编码为中心点横坐标、纵坐标、宽、高、旋转角度。由于旋转角度存在周期性，进行有向包围盒编码时，需要将旋转角度限制在一定范围内。
3、当有向包围盒的旋转角度接近该范围的边界时，细微的扰动就有可能导致有向包围盒的旋转角度超出定义的范围，跳跃到边界另一端。在这种情况下，有向包围盒的细微变动就有可能导致有向包围盒的编码结果出现明显的变化，进而造成神经网络损失值的跳变，这会对神经网络的训练过程造成不利影响。
4、与此同时，其他有向包围盒编码方法在有向包围盒接近正方形时可能会出现相似的...
【技术保护点】
1.一种基于有向包围盒的目标检测方法，其特征在于，包括：
2.根据权利要求1所述的基于有向包围盒的目标检测方法，其特征在于，训练所述目标检测网络，具体步骤包括：
3.根据权利要求2所述的基于有向包围盒的目标检测方法，其特征在于，所述对所述标签图像中目标的原始有向包围盒进行编码处理，得到编码结果，包括：
4.根据权利要求3所述的基于有向包围盒的目标检测方法，其特征在于，所述原始有向包围盒参数包括所述原始有向包围盒的四个顶点坐标；
5.根据权利要求3所述的基于有向包围盒的目标检测方法，其特征在于，通过交并比公式计算所述原始有...
【技术特征摘要】
1.一种基于有向包围盒的目标检测方法，其特征在于，包括：
2.根据权利要求1所述的基于有向包围盒的目标检测方法，其特征在于，训练所述目标检测网络，具体步骤包括：
3.根据权利要求2所述的基于有向包围盒的目标检测方法，其特征在于，所述对所述标签图像中目标的原始有向包围盒进行编码处理，得到编码结果，包括：
4.根据权利要求3所述的基于有向包围盒的目标检测方法，其特征在于，所述原始有向包围盒参数包括所述原始有向包围盒的四个顶点坐标；
5.根据权利要求3所述的基于有向包围盒的目标检测方法，其特征在于，通过交并比公式计算所述原始有向包围盒与每一所述候选有向包围盒的交并比分数，所述交并比公式如下：
6.根据权利要求1-5中任一项所述的基于有向包围盒的目标检测方法，其特征在于，所述预测输出包括所述待检测图像中目标的初始有向...
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。