[发明专利]一种基于分数图的目标检测模型训练方法及目标检测方法

权利要求书

1.一种基于分数图的目标检测模型训练方法，其特征在于，所述方法包括：

获取目标检测的数据集图片，对数据集图片进行尺寸变换，使得数据集中目标尺寸的平均值可以表示为2ⁿ⁺¹，n为整数；

设定目标检测模型分数图的感受野尺寸为2ⁿ；

构建输入图片与分数图的映射关系：分数图上的分数标签值，等于目标物体在其感受野中的占比，即分数标签值的计算公式如下：Score(i，j)＝(A∩RF(i，j))/RF(i，j)，其中i，j表示分数图上某点的横坐标和纵坐标，起点的坐标为i＝1，j＝1，Score(i，j)表示该点的分数，RF(i，j)代表该点在原图上对应的感受野区域，A代表原图中的目标区域；

采用目标检测的数据集对目标检测模型训练，使得最终模型的预测结果接近或者达到上述输入图片与分数图的映射关系。

2.根据权利要求1所述的一种基于分数图的目标检测模型训练方法，其特征在于，在设定检测模型分数图的感受野尺寸之前，通过目标尺寸的极大值和极小值判断目标尺寸是否相对稳定，数据集中目标尺寸的极大值，记为a，其极小值记为b，即若a3*2ⁿ且b2ⁿ，则进入下一步，否则采用其他训练方法。

3.根据权利要求2所述的一种基于分数图的目标检测模型训练方法，其特征在于，所述构建输入图片与分数图的映射关系中，若目标存在多个类别，则对多个类别的目标分别进行分数图的计算，得到多个分数图。

4.根据权利要求1-3任一项所述的一种基于分数图的目标检测模型训练方法，其特征在于，所述构建输入图片与分数图的映射关系中，若目标检测模型存在不同深度的网络层都需要做预测和输出，则对不同深度的网络层计算感受野尺寸，再分别计算该网络层上的分数图，得到多个分数图。

5.一种基于分数图的目标检测方法，其特征在于，该方法包括：

将待检测图片做预处理，输入通过权利要求1-4任一项所述一种基于分数图的目标检测模型训练方法训练的目标检测模型中，目标检测模型输出得到预测分数图；

在预测分数图上使用领域极大值算法，首先对预测分数图做3×3的最大值池化，得到池化后的预测分数图，然后将其与原预测分数图做比较，值相同的点保留，值不同的点置零，得到仅剩邻域极大值的预测分数图，由仅剩邻域极大值的预测分数图中，按分值从大到小得到k个极大值点及其位置信息，分别作为预测目标的中心；

获得检测包围框：选取一个极大值点，以极大值点为中心对应的感受野向前后左右扩大就可以得到具体的目标检测包围框，所述向前后左右扩大，其扩大的范围分别对应原预测分数图的分数值；

进而循环遍历预测分数图上的所有极大值点，得到每个极大值点对应的目标检测包围框；

根据目标检测包围框的位置和尺寸信息，可在原图片中可视化的展现目标检测结果。

6.根据权利要求5所述的一种基于分数图的目标检测方法，其特征在于，所述待检测图片中，若目标存在多个类别，则目标检测模型输出得到多个类别预测分数图。

7.根据权利要求5所述的一种基于分数图的目标检测方法，其特征在于，所述待检测图片中，若目标检测模型存在不同深度的网络层都需要做预测和输出，则目标检测模型输出得到多个不同深度的网络层的预测分数图。

8.根据权利要求6所述的一种基于分数图的目标检测方法，其特征在于，所述待检测图片中，若目标检测模型存在不同深度的网络层都需要做预测和输出，则目标检测模型输出得到多个不同深度的网络层的预测分数图。

9.根据权利要求5-8任一项所述的一种基于分数图的目标检测方法，其特征在于，所述由仅剩邻域极大值的预测分数图中，按分值从大到小得到k个极大值点及其位置信息，替换为：设定分数阈值β，将分数阈值β之上的所有分数标签值作为极大值点，分别作为预测目标的中心。