[发明专利]一种高效的尺度规范化目标检测训练方法

权利要求书

1.一种高效的尺度规范化目标检测训练方法，其特征在于：通过对输入图像构建图像金字塔，结合标注目标生成固定大小的输入图像，输入图像中只有尺度在给定范围内的标注目标才属于有效目标，从而选取出正样本；同时利用训练集做小图的负样本挖掘训练，从中找到存在的假阳性的目标，从包含假阳性目标的小图中选择作为负样本；最后将正样本、负样本一起放入训练集中进行模型训练，预测阶段将多个尺度的预测结果进行融合。

2.根据权利要求1所述的高效的尺度规范化目标检测训练方法，其特征在于：包括如下步骤：

a、正样本选取：确定原始图像，根据问题分析选取该原始图像对应的模型输出的有效尺度范围以及图像金字塔层数，构建设定层数的图像金字塔，然后按固定间隔将图像金字塔切分出固定大小的图像，从这些切分出来的图像中选择最少的能在有效尺度范围内覆盖所有标注目标的切分图像为正样本；

b、负样本选取：首先根据确定的训练集，选择一个合适的检测模型，让该检测模型在此训练集上进行粗训练，然后使用训练好的检测模型在原始图像上进行测试，找到原始图像中假阳性的目标，接着按照正样本选取的方式首先对原始图像金字塔进行切分，从切成的小图中选取包含一定数量假阳性目标的小图作为负样本，如果该小图已经添加到正样本中，则跳过；

c、训练及标签映射：选择端到端的检测模型对正样本和负样本进行训练，训练时对落入小图中的目标对象都进行标签映射操作，而不会根据设定的尺度范围进行筛选；

d、预测及结果融合：在预测阶段，预测模型接受原始图像金字塔作为输入，由于不同金字塔产生不同的预测结果，从中选择有效尺度范围内的结果进行输出，最后使用非极大值抑制NMS对多个尺度下输入图片的结果进行融合。

3.根据权利要求2所述的高效的尺度规范化目标检测训练方法，其特征在于：a中，采用贪心算法把包含所有标注目标为有效目标的小图标定为正样本。

4.根据权利要求2所述的高效的尺度规范化目标检测训练方法，其特征在于：c中，端到端的检测模型为faster-Rcnn、SSD、Mask Rcnn或Tprobe。

5.根据权利要求2所述的高效的尺度规范化目标检测训练方法，其特征在于：d中，融合阶段使用NMS融合或Soft-NMS融合。