【技术实现步骤摘要】
本申请涉及人工智能领域，具体地，涉及一种面向数据长尾分布的目标检测方法及其系统。
技术介绍
1、人工智能的普及在推动产业智能化的道路上起到至关重要的作用，工业界纷纷将学术界预训练的上游任务进行特定业界的微调并应用于下游任务中。但是实际生产中的数据相对学术界的数据集要复杂很多，直接将学术界的模型迁移到下游任务并不能得到符合业界标准的效果。目标检测作为最常见的深度学习上游任务，可广泛应用于自动驾驶行人检测，缺陷检测等工业界任务中，其应用于实际生产的潜力和需求空间十分庞大。然而自然界以及工业界中的大规模数据集中，数据往往具有长尾分布特征。长尾分布具有类别数量较多，且类别数量分布呈现少数类别拥有大量数据样本，而大多数类别样本数量较少这种极不平衡的现象。如在工业界的金属表面缺陷检测中，由于生产设备或者工艺流程方法的问题，往往采集的数据集以一两种缺陷类别为主，其余大多数缺陷类别出现的频次较低，只能采集到一两张图片数据。且由于生产对金属元件的严格标准，其表面缺陷类别呈现分类较为细致，类别种类较多的特性。此外在自动驾驶和一些自动售货任务中，采集的数据都...
【技术保护点】
1.一种面向数据长尾分布的目标检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的面向数据长尾分布的目标检测方法，其特征在于，根据解耦训练框架确定静态指标，根据静态指标进行重平衡显式数据增强包括，将训练集中类别图片数量Nc映射为类别样本有效数量
3.如权利要求2所述的面向数据长尾分布的目标检测方法，其特征在于，还包括，设计图像缓存记忆队列，将动态更新后的指定数量的类别样本作为数据增强的源图片进行保存。
4.如权利要求1所述的面向数据长尾分布的目标检测方法，其特征在于，根据检测框生成器进行显式数据的增强包括，检测框生成器基于标...
【技术特征摘要】
1.一种面向数据长尾分布的目标检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的面向数据长尾分布的目标检测方法，其特征在于，根据解耦训练框架确定静态指标，根据静态指标进行重平衡显式数据增强包括，将训练集中类别图片数量nc映射为类别样本有效数量
3.如权利要求2所述的面向数据长尾分布的目标检测方法，其特征在于，还包括，设计图像缓存记忆队列，将动态更新后的指定数量的类别样本作为数据增强的源图片进行保存。
4.如权利要求1所述的面向数据长尾分布的目标检测方法，其特征在于，根据检测框生成器进行显式数据的增强包括，检测框生成器基于标签生成指定数量的检测框。
5.如权利要求4所述的面向数据长尾分布的目标检测方法，其特征在于，在检测框生成器输入数据标签标注框左上坐标(x1,y1)，右下坐标(x2,y2)，生成指定数量的检测框，具体表示为：
6.一种面向数据长尾分布的目标检测系统，其特征在于，具体包括：...
【专利技术属性】
技术研发人员：张天魁，叶彦利，夏宗为，杨鼎成，
申请(专利权)人：北京邮电大学，
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。