[发明专利]基于图像和类别的注意力的目标检测方法、装置及介质

权利要求书

1.一种基于图像和类别的注意力的目标检测方法，其特征在于，包括:

构建神经网络模型，所述神经网络模型用于检测图像中物体的分类概率及其位置的定位偏移的预测值；

构建图像集，所述图像集用于存储已经确定物体类别及其定位偏移的图像；

通过图像中物体的类别和每个类别包含的物体数量，获得所述图像中每个类别的类别数量分布概率；

通过每个类别所占据的面积，获得所述图像中每个类别的面积分布概率；

通过图像中物体数量和图像集中物体数量获得图像的物体数量分布概率；

根据图像的物体数量分布概率和面积分布概率获得所述图像的注意力权重；

根据图像中每个类别的类别数量分布概率和图像的注意力权重构建损失函数模型；

通过图像集对神经网络模型和损失函数模型进行训练；

采用训练后的神经网络模型和损失函数模型对新图像进行目标检测，获得新图像中物体的分类概率及其位置的定位偏移的预测值。

2.根据权利要求1所述的基于图像和类别的注意力的目标检测方法，其特征在于，还包括：

在图像的每个类别的类别数量分布概率中引入第一平衡因子，获得图像中每个类别的注意力权重；

其中，根据图像中每个类别的注意力权重和图像的注意力权重构建损失函数模型。

3.根据权利要求2所述的基于图像和类别的注意力的目标检测方法，其特征在于，所述获得图像的每个类别的注意力权重的步骤还包括：

包含物体数量越多的类别的注意力权重越大。

4.根据权利要求2所述的基于图像和类别的注意力的目标检测方法，其特征在于，所述获得图像的每个类别的注意力权重的步骤还包括：

包含物体数量越多的类别的注意力权重越小。

5.根据权利要求1所述的基于图像和类别的注意力的目标检测方法，其特征在于，还包括：

引入第二平衡因子，根据图像的物体数量分布概率和各类别的面积分布概率获得所述图像的注意力权重。

6.根据权利要求1所述的基于图像和类别的注意力的目标检测方法，其特征在于，所述神经网络模型包括RetinaNet、RCNN、Mask RCNN、SSD和YOLO中的一种或多种。

7.根据权利要求1所述的基于图像和类别的注意力的目标检测方法，其特征在于，还包括：

在图像的注意力权重中引入贡献程度，平衡图像的物体数量分布概率和各类别的面积分布概率的贡献程度。

8.一种基于图像和类别的注意力的目标检测系统，其特征在于，包括:

模型构建模块，构建神经网络模型，所述神经网络模型用于检测图像中物体的分类概率及其位置的定位偏移的预测值；

图像集构建模块，构建图像集，所述图像集用于存储已经确定物体类别及其定位偏移的图像；

类别数量分布概率获得模块，通过图像中物体的类别和每个类别包含的物体数量，获得所述图像中每个类别的类别数量分布概率；

面积分布概率获得模块，通过每个类别所占据的面积，获得所述图像中每个类别的面积分布概率；

物体数量分布概率获得模块，通过图像中物体数量和图像集中物体数量获得图像的物体数量分布概率；

图像注意力获得模块，根据图像的物体数量分布概率和面积分布概率获得所述图像的注意力权重；

损失函数模型构建模块，根据图像图像中每个类别的类别数量分布概率和图像的注意力权重构建损失函数模型；

训练模块，通过图像集对神经网络模型和损失函数模型进行训练；

目标检测模块，采用训练后的神经网络模型和损失函数模型对新图像进行目标检测，获得新图像中物体的分类概率及其位置的定位偏移的预测值。