[发明专利]电视台标检测方法、系统、计算机设备及存储介质

权利要求书

1.一种电视台标检测方法，其特征在于，包括如下步骤：

A、构建包含台标的电视视频数据库，并将视频数据通过抽帧的方式转换为图像数据形成电视视频台标数据集；

B、对所述电视视频台标数据集进行标注，标注出每帧图像中的台标所在图像的位置及台标类别；

C、构建台标检测模型并基于所述电视视频台标数据集进行目标检测的训练；

D、利用训练后的所述台标检测模型进行电视视频信号的台标检测，对接收到的视频信号间隔N帧进行台标检测。

2.如权利要求1所述的一种电视台标检测方法，其特征在于，先对训练后的所述台标检测模型进行压缩，降低模型存储大小，再将压缩后的所述台标检测模型用于台标检测。

3.如权利要求2所述的一种电视台标检测方法，其特征在于，对所述台标检测模型进行压缩的方式包括：对卷积神经网络进行通道剪枝来压缩模型，相应步骤如下：

第一步，读取训练好的卷积神经网络中的BN层的缩放因子，将BN层的γ参数作为网络剪枝操作的缩放因子，对BN层的操作如下：

其中，是BN层输入的标准化值，z_in和z_out分别是BN层的输入和输出，μ_β和σ_β分别是输入偏置β的平均方差和标准方差，是一个固定的常量，γ为缩放因子；

第二步，设定阈值θ，将γ θ的卷积通道从卷积神经网络中移除，并将原训练好的卷积神经网络权重重新初始化新的卷积神经网络，并在原数据集上进行微调；

第三步，在测试集上对新的卷积神经网络模型进行测试；

第四步，若在测试集上测试结果满足精度要求，则提高阈值θ并重复第一~三步；若不能满足测试精度要求，则降低阈值θ并重复第一~三步，直到找到在满足精度要求的前提下的最大阈值θ；

第五步，保存最终剪枝后的卷积神经网络和权重。

4.如权利要求2所述的一种电视台标检测方法，其特征在于，对所述台标检测模型进行压缩的方式包括：利用模型量化技术来压缩模型，将浮点数参数转换为定点数参数，转换公式如下：

其中，Q表示量化后的定点数据，R表示输入的浮点数据，S表示Scale的数值，Z表示零点的数值，根据S和Z这两个参数来确定映射关系：

其中，R_max表示输入的浮点数据中的最大值，R_min表示输入的浮点数据中的最小值，Q_max表示最大的定点值，Q_min表示最小的定点值。

5.如权利要求1所述的一种电视台标检测方法，其特征在于，步骤A中，通过对包含台标的视频数据抽帧后得到的图像数据进行数据增强以丰富所述电视视频台标数据集，所述数据增强的方式包括随机裁切、翻转、颜色抖动、旋转和平移。