[发明专利]级联目标检测系统中的渐变式分类损失计算方法及系统

权利要求书

1.一种级联目标检测系统中的渐变式分类损失计算方法，其特征在于包括以下步骤：

1)根据目标检测算法中每个被作为训练样本的锚框对应的区域与目标框相互重叠部分的尺度和位置，以及锚框的感受野呈高斯分布的特点，计算该锚框对应区域内各个类别的感受野权重w_rf_c；

2)根据级联目标检测系统针对被作为训练样本的锚框的分类结果，以及该锚框对应的区域内每个类别的感受野权重，计算出该锚框对应的区域内每个类别的渐变式分类权重，将渐变式分类权重带入Softmax函数表达式，计算出该锚框属于每个类别的概率，再将该锚框属于每个类别的概率带入焦点损失表达式，计算出该锚框的分类结果的渐变式分类损失；

3)根据链式求导法则，依次计算出级联目标检测系统针对被作为训练样本的锚框的分类结果的渐变式分类损失对该锚框属于分类结果对应的类别的概率的偏导数、该锚框属于分类结果对应的类别的概率对网络各个类别输出结果的偏导数以及各个类别输出结果对相关链路的偏导数，再将上述3个偏导数的乘积作为目标检测系统针对被作为训练样本的锚框的分类结果的渐变式分类损失在该链路权重处的梯度；

所述步骤2)中，被作为训练样本的锚框的渐变式分类损失计算方法包括以下步骤：

2.1)计算级联目标检测系统针对被作为训练样本的锚框的各个类别的渐变式分类权重；

2.2)计算级联目标检测系统针对被作为训练样本的锚框属于每个类别的概率：当级联目标检测系统针对被作为训练样本的锚框的各个类别的渐变式分类权重被计算出来后，将渐变式分类权重带入Softmax函数表达式，获得该锚框被级联目标检测系统的第t个阶段判断为属于类别c的概率p_c,t；

2.3)计算级联目标检测系统针对被作为训练样本的锚框的分类结果的渐变式分类损失：将步骤2.2)中计算出的被作为训练样本的锚框被级联目标检测系统的第t个阶段判断为属于类别c的概率p_c,t带入焦点损失的表达式，求得级联目标检测系统第t个阶段针对该锚框的分类结果为类别c时的渐变式分类损失FL_c,t：

FL_c,t＝-(1-p_c,t)^γln p_c,t

其中，γ为可调整的系数；

2.4)重复步骤2.1)至2.3)，直到获得级联目标检测系统各个阶段针对所有被作为训练样本的锚框各自的分类结果的渐变式分类损失；

所述步骤2.1)中，第t阶段的检测器针对该锚框的类别c的渐变式分类权重β_c,t为：

其中，c＝c^*表示当前类别恰好为目标框对应的类别，即系统希望获得的正确的目标分类结果；T表示级联目标检测系统的包含的不同阶段的数量，T1，t∈{1,…,T}表示T个阶段之一，表示每个阶段中渐变式分类权重的指数。

2.如权利要求1所述方法，其特征在于：所述步骤1)中，被作为训练样本的锚框对应的区域内各个类别感受野权重的计算方法包括以下步骤：

1.1)获取该锚框对应的区域内各个像素点所属的类别；

1.2)计算该锚框对应的区域内各个像素点的感受野权重：采用离散二维高斯函数来赋予位于该锚框内部不同位置的像素点不同的感受野权重；

1.3)计算该锚框对应的区域内各个类别的感受野权重：对于该锚框的对应区域，采用属于每个类别的像素点的感受野权重之和，作为该锚框的对应区域该类别c的感受野权重w_rf_c；

1.4)重复步骤1.1)至步骤1.3)，直到获得所有被作为训练样本的锚框对应的区域内每个类别的感受野权重。

3.如权利要求2所述方法，其特征在于：所述步骤1.1)中，对于目标检测算法中每个被作为训练样本的锚框对应的区域内各个像素点，如果该像素点位于第c个类别的第m个目标框o_c,m对应的区域内部，则判定该像素点属于该目标框对应的类别c，如果该像素点位于多个不同类别的目标框内部的重叠区域，则判定该像素点属于面积最小的目标框对应的类别；如果该像素点未处于任何目标框对应区域内部，则判定该像素点属于背景类别；其中，c∈{1,…,C}，C为类别总数；m为任意正整数。