[发明专利]损失函数优化方法、模型训练方法、目标检测方法及介质

权利要求书

1.目标检测模型训练方法，其特征在于：包括如下步骤：

获取样本数据集；

数据集的前处理：对获取的样本数据进行提前标注，对标注出的目标进行聚类，并做多组实验找到适合手机检测的anchor；

用自定义的anchor采用目标检测网络训练得到目标检测模型。

2.基于权利要求1所述目标检测模型训练方法，其特征在于：目标模型训练阶段包括用于评价每一轮训练结果的损失函数计算，该损失函数包括对候选框的对角线长度与真实框对角线长度之差计算，公式为：

3.基于权利要求2所述目标检测模型训练方法，其特征在于：损失函数的完整公式为：

其中，(x,y)表示在图像分割成s*s的待检区域中，第i个区域的中心区域区域坐标；B表示分类目标的总数；C_i表示预测的目标分类；P_i为预测类的概率；λ_coord表示目标存在时，位置与分类项的损失权重；λ_noobj表示目标不存在的时候，对于类别判断结果是否正确的权重。

4.目标检测模型中的损失函数优化方法，其特征在于：包括对候选框的对角线长度与真实框对角线长度之差计算，公式为：

5.根据权利要求4所述的目标检测模型中的损失函数优化方法，其特征在于：损失函数的完整公式为：

其中，(x,y)表示在图像分割成s*s的待检区域中，第i个区域的中心区域区域坐标；B表示分类目标的总数；C_i表示预测的目标分类；P_i为预测类的概率；λ_coord表示目标存在时，位置与分类项的损失权重；λ_noobj表示目标不存在的时候，对于类别判断结果是否正确的权重。

6.目标检测方法，其特征在于：包括如下步骤：

1、获取图片数据；

2、对图片数据进行对象检测，并筛选出可用数据；

3、将可用数据输入到权利要求1-3记载的目标检测模型中用于检测对象区域是否存在目标；

4、通过步骤3的检测结果，判断对象是否存在相应行为。

7.根据权利要求6所述的目标检测方法，其特征在于：所述对象检测是针对人体和/或人脸的检测，所述目标检测是针对手机的检测，所述相应的行为是“玩手机”。

8.根据权利要求7所述的目标检测方法，其特征在于：对象检测的具体步骤为：从图片数据中检测人体目标和人脸目标，并匹配人体和人脸目标，匹配方法如下：

对获取的人体信息做遍历，对每个获取的人体信息，输入同时获取到的人脸信息，然后再遍历输入的人脸信息，首先获取每个人脸目标框和人体的目标框的交集区域的面积，然后找到其交集区域面积最大的人脸目标框，然后对比这个交集区域与原始的人脸目标区域的比值是否大于设定的阈值δ，满足条件则绑定当前的人脸信息与人体信息，如果所有的人脸信息都不满足以上条件，则认为在这个人体区域中没有检测到有效的人脸信息，在人体信息的数据中设置相应的人脸信息的置信度conf＝0。

9.根据权利要求7或8所述的目标检测方法，其特征在于：筛选出可用数据之后，将获取的人体区域框向外扩充，其规则为：以人体目标框的中心点为中心，将人体目标框的长和宽都扩充到原长宽的0.8-1.5倍。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：计算机程序被处理器执行时实现如权利要求1至3任一项所述模型训练方法的步骤；或者，所述处理器执行所述计算机程序时实现如权利要求4至5任一项所述损失函数优化方法的步骤；或者，所述处理器执行所述计算机程序时实现如权利要求6-9任一项所述的检测方法的步骤。