[发明专利]一种基于锚框的目标检测方法

权利要求书

1.一种基于锚框的目标检测方法，其特征在于，包括以下步骤：

S1采集待测目标图像数据集，并进行标注，得到数据集Data0；

S2对Data0进行扩增得到数据集Data1；

S3将Data1分为训练集和测试集，训练集包含样本数量大于测试集包含样本数量；

S4构建目标检测神经网络模型，并利用训练集进行训练，得到训练模型；

S5利用训练模型对图像位置进行预测。

2.根据权利要求1所述的一种基于锚框的目标检测方法，其特征在于，所述步骤S1中数据集Data0中的样本数量≥200；所述单个样本中包括多个类别的目标图像。

3.根据权利要求1所述的一种基于锚框的目标检测方法，其特征在于，所述步骤S1中标注的方法为人工标注；所述人工标注将目标区域用矩形框进行标注，从图像左上角开始按照顺时针方向排列矩形框的四个顶点坐标。

4.根据权利要求1所述的一种基于锚框的目标检测方法，其特征在于，步骤S2中扩增方法为采用Mosaic数据增强与自对抗训练；所述Mosaic数据增强方法中，对四张图片随机翻转，缩放或色域变化后分别进行图片的组合和锚框的组合。

5.根据权利要求1所述的一种基于锚框的目标检测方法，其特征在于，所述步骤S4中目标检测神经网络模型包括特征提取模块，目标预测模块和非极大值抑制模块；

特征提取模块用于逐级提取输入图像的特征图；

目标预测模块用于在每个特征图上预置锚框，对特征融合后的特征图进行位置和类别预测；

非极大值抑制模块用于除去待检测图像中冗余或无效的锚框，保留目标类别概率最大的锚框，输出锚框位置。

6.根据权利要求5所述的一种基于锚框的目标检测方法，其特征在于，所述锚框为以每个像素为中心生成的多个大小和宽高比不同的边界框，所述大小和宽高比根据对数据集中的数据进行统计分析后的结果设定。

7.根据权利要求1所述的一种基于锚框的目标检测方法，其特征在于，所述目标检测神经网络模型为SSD目标检测模型架构，其中模型损失函数采用DIOU_nms，卷积层中的激活函数选用Mish函数。

8.根据权利要求5所述的一种基于锚框的目标检测方法，其特征在于，特征提取部分采用Mobilenet网络架构，其中归一化部分采用CmBM算法；极大值抑制模块采用DIoU-NMS算法。

9.根据权利要求5所述的一种基于锚框的目标检测方法，其特征在于，所述目标预测模块用于选用Mobilenet架构中卷积3到卷积13后的特征图进行位置预测。

10.根据权利要求1所述的一种基于锚框的目标检测方法，其特征在于，步骤S3中，训练集Data11和测试集Data12的比例为9:1，8:2，或7:3。