[发明专利]一种基于Yolov3的小目标图像识别方法、设备和系统

权利要求书

1.一种基于Yolov3的小目标图像识别方法，其特征在于，所述方法包括：

设置识别模型中待识别小目标图像的标注类别；

设置面积损失系数、置信度损失系数以及类别损失系数；

根据所述面积损失系数、所述置信度损失系数以及所述类别损失系数，设置损失函数为面积损失、置信度损失以及类别损失的加权函数；

根据所述标注类别和所述损失函数，对所述识别模型进行训练，直至训练损失停止下降；

根据所述识别模型，对所述待识别小目标图像进行识别。

2.根据权利要求1所述的方法，其特征在于，所述根据所述标注类别和所述损失函数，对所述识别模型进行训练，直至训练损失停止下降之前，所述方法还包括：

减弱特征尺寸大的网络预测层，增强特征尺寸小的网络预测层。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述识别模型，对所述待识别小目标图像进行识别之后，所述方法还包括：

在预设时间周期后，对所述识别模型进行数据回流迭代。

4.根据权利要求3所述的方法，其特征在于，所述减弱特征尺寸大的网络预测层，增强特征尺寸小的网络预测层包括：

将网络层预测层第二个block*2设置为block*6；

将网络层预测层第三个block*8设置为block*10；

将网络层预测层第四个block*8设置为block*4；

将网络层预测层第五个block*4设置为block*2。

5.根据权利要求4所述的方法，其特征在于，所述设置识别模型中待识别小目标图像的标注类别还包括：

获取用户通过图片/视频所自定义的所述待识别小目标图像的标注类别。

6.一种基于Yolov3的小目标图像识别设备，其特征在于，所述设备包括：

设置模块，用于设置识别模型中待识别小目标图像的标注类别；

优化模块，用于设置面积损失系数、置信度损失系数以及类别损失系数；

所述优化模块还用于根据所述面积损失系数、所述置信度损失系数以及所述类别损失系数，设置损失函数为面积损失、置信度损失以及类别损失的加权函数；

训练模块，用于根据所述标注类别和所述损失函数，对所述识别模型进行训练，直至训练损失停止下降；

识别模块，用于根据所述识别模型，对所述待识别小目标图像进行识别。

7.根据权利要求6所述的设备，其特征在于，所述优化模块还用于：

减弱特征尺寸大的网络预测层，增强特征尺寸小的网络预测层。

8.根据权利要求6或7所述的设备，其特征在于，所述优化模块还用于：

在预设时间周期后，对所述识别模型进行数据回流迭代。

9.根据权利要求8所述的设备，其特征在于，所述设置模块具体用于：

获取用户通过图片/视频所自定义的所述待识别小目标图像的标注类别。

10.一种基于Yolov3的小目标图像识别系统，其特征在于，所述系统包括：

设置设备，用于设置识别模型中待识别小目标图像的标注类别；

优化设备，用于设置面积损失系数、置信度损失系数以及类别损失系数；

所述优化设备还用于根据所述面积损失系数、所述置信度损失系数以及所述类别损失系数，设置损失函数为面积损失、置信度损失以及类别损失的加权函数；

训练设备，用于根据所述标注类别和所述损失函数，对所述识别模型进行训练，直至训练损失停止下降；

识别设备，用于根据所述识别模型，对所述待识别小目标图像进行识别。