[发明专利]一种基于软标签的目标检测样本平衡方法

权利要求书

1.一种基于软标签的目标检测样本平衡方法，其特征在于，包括：

获取输入图像的目标的个数以及候选框的个数；

计算每一个目标与每一个候选框的第一IOU值；

对所述第一IOU值按列取最大值，得到第二IOU值，并获取所述第二IOU值在所述第一IOU值中的行索引值；

对每一个目标，从所述行索引值中获取负责该目标的所有目标候选框，基于软标签获取每一个目标候选框的标签值；

根据每一个目标候选框的标签值以及预先构建的损失函数获取每一个目标候选框的预测概率；

根据所述预测概率输出目标检测框；

其中，所述基于软标签获取每一个目标候选框的标签值，具体为：

根据如下公式计算每一个目标候选框的标签值：

式中，MIou(A)为负责该目标的所有目标候选框的第二IOU值，MIou(a)为负责该目标的目标候选框a的第二IOU值，w为负责该目标的目标候选框a的标签值。

2.根据权利要求1所述的基于软标签的目标检测样本平衡方法，其特征在于，所述根据每一个目标候选框的标签值以及预先构建的损失函数获取每一个目标候选框的预测概率，具体为：

将每一个目标候选框的标签值输入所述预先构建的第一损失函数；所述预先构建的第一损失函数的表达式为：Sloss＝-(wlog(p_x)+(1-w)log(1-p_x))-bias，其中，bias＝-(wlog(w)+(1-w)log(1-w))，p_x为第一预测概率；

将令所述预先构建的第一损失函数损失最小的第一预测概率作为所述预测概率。

3.根据权利要求1所述的基于软标签的目标检测样本平衡方法，其特征在于，所述根据每一个目标候选框的标签值以及预先构建的损失函数获取每一个目标候选框的预测概率，具体为：

将每一个目标候选框的标签值输入所述预先构建的第二损失函数；其中，所述预先构建的第二损失函数的表达式为：SFloss＝(w-p′_x)^γ(-(wlog(p′_x)+(1-w)log(1-p′_x))-bias)，bias＝-(wlog(w)+(1-w)log(1-w))，p′_x为第二预测概率，γ为一个超参数；

将令所述预先构建的第二损失函数损失最小的第二预测概率作为所述预测概率。

4.根据权利要求1所述的基于软标签的目标检测样本平衡方法，其特征在于，所述根据所述预测概率输出目标检测框，具体包括：

去除所述预测概率小于等于预设阈值的目标候选框；

通过非极大值抑制算法去除剩余目标候选框中重复的冗余目标候选框，得到所述目标检测框；

输出所述目标检测框。

5.根据权利要求4所述的基于软标签的目标检测样本平衡方法，其特征在于，所述预设阈值为0.05。

6.根据权利要求1所述的基于软标签的目标检测样本平衡方法，其特征在于，在获取输入图像的目标的个数以及候选框的个数，所述方法还包括：

获取原始图像，对所述原始图像进行预处理，得到所述输入图像。