[发明专利]非法广告牌监控方法

权利要求书

1.非法广告牌监控方法，包括以下步骤：

Step1：构建广告牌样本数据集M，训练数据集T，验证数据集V，标注广告牌样本类别数C，训练数据批次大小batch，训练批次数batches，学习率l_rate，训练数据集T与验证数据集V之间的比例系数ζ；

ζ＝Card(V)/Card(T)

其中：V∪T＝M，C∈N⁺，ζ∈(0,1)，batches∈N⁺,l_rate∈N⁺，batch∈N⁺，表示图像的高和宽，r表示图像的通道数；

Step2：确定待训练的一阶段目标检测模型，设卷积神经网络深度为L，网络卷积层卷积核集合G，网络输出层采用全连接方式，其卷积核集合A，网络特征图集合U，表示第l层网络中第k个特征图对应的网格数量，锚点集合M，具体定义如下：

其中：分别表示第l层网络对应的卷积核、特征图和锚点的高、宽、维度；表示第l层网络卷积核的填充大小，表示第l层网络卷积步长，f表示卷积神经元的激励函数，Θ表示选取的输入特征，Λ∈N⁺表示第l层网络的锚点总数，Ξ∈N⁺表示输出层节点总数，Φ∈N⁺表示第l层网络特征图总数，Δ∈N⁺表示第l层卷积核的总数；

Step3：设计参数自适应的焦点损失函数，具体包括：

其中：

表示第l层网络上第i个网格中第j个锚点在图像t_k的广告牌样本与街道背景样本置信度的损失函数；同理，表示广告牌样本预测框的损失函数，表示广告牌样本类别的损失函数，λ∈Q为损失函数参数；和分别表示广告牌样本目标和街道背景目标的损失函数，具体如下所示：

表示第l层网络上第i个网格中第j个锚点预测的前景广告牌样本概率值，同理，表示相对应的街道背景概率值；分别表示第l层网络上第i个网格中第j个锚点的预测框中心点横坐标和纵坐标，同理分别表示广告牌样本标定框的中心点横坐标与纵坐标；分别表示第l层网络上第i个网格中第j个锚点的预测框中心点到该框边界的最短欧式距离，同理分别表示广告牌样本标定框的中心点到该框边界的最短欧式距离；表示第l层网络上第i个网格中第j个锚点预测的广告牌样本类别预测值；同理，表示广告牌样本类别的标定状态，表示广告牌样本进行预测，表示是否对街道背景样本进行预测，具体计算如下：

其中参数α∈(0,1)；iou_j表示锚点m_j在第i个网格中锚点框与广告牌样本标定框的交叠率，miou表示最大交叠率；

Step4：利用Step3中的一阶段目标检测算法模型的损失函数，对模型进行梯度下降法训练，直至模型收敛；在系统运行阶段，利用一阶目标检测模型提取网络特征值，并基于K-means聚类方法确定锚点，在系统运行阶段，根据模型输出的广告牌的位置相关信息，判断该广告牌是否在合法区域内，如果不在合法区域内，则告警。