【技术实现步骤摘要】
本专利技术涉及图像处理，特别是涉及一种基于点距离的小目标检测的损失函数计算方法。
技术介绍
1、在图像处理技术中，目标检测是为了找出图像中所有感兴趣的目标，确定他们的类别和位置，由于各类不同物体有不同的外观、姿态，以及不同程度的遮挡，加上成像是光照等因素的干扰，目标检测一直以来是一个很有挑战性的问题。
2、目前，经典或常用的目标检测的评价指标为iou及其衍生，首先将预测的目标位置与真实的目标位置进行比较，计算它们的交集面积和并集面积，然后通过计算交集面积与并集面积的比值，就可以得到iou评价指标的值。
3、giou认为iou可以直接作为小目标的评价指标，同时添加了对于同时包含了预测框和真实框的最小框的面积的计算，这样与iou只关注重叠区域不同，giou不仅关注重叠区域，还关注其他的非重合区域，能更好的反映两者的重合度。
4、diou认为目标框的回归需要考虑更多因素，如将真实框与预测框之间的距离，重叠率以及尺度，使得目标框回归变得更加稳定，不会像iou和giou一样出现训练过程中发散等问题。ciou则认为现有的iou计算方式没有考虑回归框的长宽比，作者表示一个优秀的回归定位损失应该考虑三种几何参数：重叠面积、中心点距离、长宽，所以在iou的计算公式上添加了衡量长宽比相似性的项。
5、eiou基于认为简单的宽高比例改为宽高值是过于简单的，所以作者将宽损失，长损失与中心点损失单独作为一个惩罚项；αiou则具有一个幂次iou项和一个附加的幂次正则项，这样可以帮助它在不同水平的边界框中得到更
6、但是上述现有技术的iou算法在检测小目标时存在以下两个问题：
7、1，如果一个边界框在另一个边界框内，那么iou是一个常数，无法进行优化，如果两个边界框没有任何交集，iou loss将始终为零，这不能正确反映这两个边界框之间的紧密程度；2，检测小目标时，iou无法精确的反映两者的重合度大小，iou的变化过于激烈，不容易进行优化。
8、因此，需要设计一种基于点距离的小目标检测的损失函数计算方法来解决上述问题。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种基于点距离的小目标检测的损失函数计算方法，解决了现有的iou算法在目标检测时，当真实框与预测框重叠时，iou为常数，无法进行优化，且当真实框与预测框无交集时，iou无法计算的问题，以及在检测小目标时，iou的变化过于激烈，不容易进行优化的问题，具有可以实现在重叠或者无交集的情况下进行计算，在检测小目标时，变化缓慢，不易造成突变的特点。
2、为实现上述技术效果，本专利技术所采用的技术方案是：
3、一种基于点距离的小目标检测的损失函数计算方法，包括以下步骤：
4、s1，计算中心点的欧氏距离与真实框外接圆直径的比例：
5、对于任意矩形框r＝(cx,cy,w,h)，(cx,cy)表示矩形框的中心点，(w,h)表示矩形的宽与高；则任意预测框边界框rp＝(cxp,cyp,wp,hp)和真实框rg＝(cxg,cyg,wg,hg)，边界框之间的中心点的欧氏距离计算如下：
6、
7、真实框的外接圆直径：
8、
9、根据式(1.1)和式(1.2)得到欧氏距离与外接圆直径之比：
10、
11、根据式(1.3)得到预测框的中心点与真实框中心点的距离与真实框外接圆的关系：
12、当时，预测框所在的外接圆与真实框所在的外接圆没有交集，即真实框与预测框之间没有重叠的部分；当时，真实框与预测框之间有交集；
13、s2，对真实框所在的区域进行高斯分布建模：
14、在高斯分布中，随机变量x服从高斯分布：
15、x～n(μ,σ)；(2.1)
16、在步骤s1中，靠近真实框中心的点的权重更高，基于更大的权重，根据高斯分布的性质，采用高斯的概率分布函数作为基础公式：
17、
18、对于任意矩形框r＝(cx,cy,w,h)，(cx,cy)表示矩形框的中心点，(w,h)表示矩形的宽与高，以真实框中心点作为高斯分布的中心，对真实框进行数学建模：
19、x～n(μ,σ)；(2.3)
20、x表示预测框的中心点与真实框中心点的欧氏距离；
21、
22、式中，d表示边界框之间的中心点的欧氏距离，w,h表示矩形的宽与高；μ是期望值，σ是标准差；
23、s3，预测框与真实框的评价指标：
24、通过高斯概率分布函数式(2.2)得到对于任意的真实框rg＝(cxg,cyg,wg,hg)与预测框rp＝(cxp,cyp,wp,hp)之间的评价指标：
25、根据式(1.3)得到欧氏距离与外接圆直径之比：
26、
27、将带入式(2.2)，得到评价指标：
28、
29、式中，f(rg,rp)表示评价指标，σ是高斯分布的标准差，通过式(2.4)计算；t表示距离中心点的距离；
30、s4，计算预测框与真实框之间的损失函数计算方法。
31、优选地，步骤s4中，将改造后的概率密度函数作为损失函数计算方法，对于任意边界框rp＝(cxp,cyp,wp,hp)和rg＝(cxg,cyg,wg,hg)，损失函数计算方法如下：
32、
33、由式(1.1)与式(1.3)可化简为：
34、
35、式中，t表示距离中心点的距离。
36、本专利技术提供的一种基于点距离的小目标检测的损失函数计算方法的有益效果如下：
37、本专利技术可以缓解进行目标检测时因目标尺寸造成的iou损失下降过快，可以减少iou系列对于小目标偏移时的损失函数计算方法的值变化过大的影响；解决了现有的iou算法在目标检测时，当真实框与预测框重叠时，iou为常数，无法进行优化，且当真实框与预测框无交集时，iou无法计算的问题，以及在检测小目标时，iou的变化过于激烈，不容易进行优化的问题，具有可以实现在重叠或者无交集的情况下进行计算，在检测小目标时，变化缓慢，不易造成突变的特点。
本文档来自技高网...【技术保护点】
1.一种基于点距离的小目标检测的损失函数计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于点距离的小目标检测的损失函数计算方法，其特征在于，步骤S4中，将改造后的概率密度函数作为损失函数计算方法，对于任意边界框Rp＝(cxp,cyp,wp,hp)和Rg＝(cxg,cyg,wg,hg)，损失函数计算方法如下：
【技术特征摘要】
1.一种基于点距离的小目标检测的损失函数计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于点距离的小目标检测的损失函数计算方法，其特征在于，...
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。