[发明专利]基于一致性负样本的图像目标检测模型训练方法及装置有效

专利信息
申请号: 201911183070.4 申请日: 2019-11-27
公开(公告)号: CN110969200B 公开(公告)日: 2023-05-12
发明(设计)人: 陈晨;王晓莲;胡晰远;彭思龙 申请(专利权)人: 中国科学院自动化研究所
主分类号: G06V10/774 分类号: G06V10/774;G06V10/764
代理公司: 北京市恒有知识产权代理事务所(普通合伙) 11576 代理人: 郭文浩;尹文会
地址: 100190 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 一致性 样本 图像 目标 检测 模型 训练 方法 装置
【权利要求书】:

1.一种基于一致性负样本的图像目标检测模型训练方法,其特征在于,所述方法包括:

基于待识别图像中的真实框和预设的初始锚框的重叠度,获取初始图像样本集;

其中,所述初始锚框为所述待识别图像中预先设定的锚框,所述真实框为所述待识别图像中待识别物体对应的真实矩形框,所述初始图像样本集为与所述真实框的重叠度满足预设条件的初始锚框的集合;

根据所述初始图像样本集,通过预设的图像目标检测模型,获取所述与初始锚框对应的预测锚框,基于所述真实框与所述预测锚框的重叠度,获取更新图像样本集;

其中,所述图像目标检测模型基于神经网络构建,通过预设图像样本集训练,用于识别图像中待识别物体和确定所述待识别物体的真实框的位置;

通过所述更新图像样本集训练所述图像目标检测模型:

按照如下公式中的目标函数训练所述图像目标检测模型:

其中,所述Lk({cb},{rb})表示所述图像目标检测模型的目标函数,所述表示负样本的分类损失和,所述P表示正样本集合,所述b表示初始锚框,所述Lcls表示分类损失,所述cb表示所述初始锚框的预测类别分数,所述表示所述初始锚框的类别真值,所述α表示平衡分类和回归损失的参数,所述Lreg表示回归损失,所述rb表示初始锚框的预测位置,所述表示预测框的位置真值,所述Nk表示经过k次迭代后的负样本集合,所述表示经过k次迭代后的分类损失。

2.根据权利要求1所述的方法,其特征在于,所述真实框的个数为多个,“基于待识别图像中真实框和预设的初始锚框的重叠度,获取初始图像样本集”,其方法包括:

分别获取每个所述初始锚框与多个所述真实框的第一重叠度,

若存在所述第一重叠度大于等于第一预设阈值,则将与至少一个所述真实框的第一重叠度大于等于第一预设阈值的初始锚框认定为第一锚框,将所述第一锚框的集合作为正样本集合;

若每个所述第一重叠度均小于第二预设阈值,则将与多个所述真实框的第一重叠度均小于第二预设阈值的初始锚框认定为第二锚框,将所述第二锚框的集合作为初始负样本集合;

根据所述正样本集合和所述初始负样本集合确定所述初始图像样本集。

3.根据权利要求2所述的方法,其特征在于,所述初始图像样本集包括负样本集合,所述负样本集合包括所述预测锚框,“基于所述真实框与所述预测锚框的重叠度,获取更新图像样本集”,其方法包括:

获取每个所述预测锚框与多个所述真实框的第二重叠度;

若每个所述第二重叠度仍小于所述第二预设阈值,则将每个所述第二重叠度仍小于所述第二预设阈值的预测锚框认定为一致性负样本;

根据所述一致性负样本获取所述更新图像样本集。

4.根据权利要求3所述的方法,其特征在于,“根据所述一致性负样本获取所述更新图像样本集”,其方法包括:

将所述一致性负样本的集合替换初始图像样本集中的初始负样本集合,用以获取所述更新图像样本集;

或者

根据所述一致性负样本,将所述初始负样本集合中非一致性负样本的权重设定为0,用以获取所述更新图像样本集。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所,未经中国科学院自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911183070.4/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code