[发明专利]基于联合抑制的目标检测分类方法

说明书

本发明提供一种基于联合抑制的目标检测分类方法，包括：获取待检测分类数据；基于待检测分类数据运行目标检测分类网络中的特征提取网络，得到特征提取结果；将特征提取结果输入目标检测分类网络中的检测分支网络和分类分支网络，得到目标检测分类中间结果；基于抑制函数对目标检测分类中间结果进行非极大值抑制排序，将抑制函数取极大值的目标检测分类中间结果作为目标检测分类结论；抑制函数的变量包括检测置信度和分类置信度。本发明通过联合检测置信度和分类置信度作为抑制函数，并进一步基于所述抑制函数进行多个中间结果的非极大值抑制，能够更为全面的考虑网络输出精度，避免了传统方法中，目标分类结果准确、目标检测框质量较差的问题。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种基于联合抑制的目标检测分类方法。

背景技术

目标检测(Object Detection)的任务是找出图像(或点云数据)中所有感兴趣的目标(物体)，确定它们的类别和位置，是深度学习领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素(点云噪声)的干扰，目标检测一直是深度学习领域内最具有挑战性的问题。

目标检测在同一目标的位置上会产生大量的候选框，候选框相互会有重叠。因此，如何找到最佳的目标边界框，消除冗余成为了业内亟需解决的问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种基于联合抑制的目标检测分类方法。

本发明提供一种基于联合抑制的目标检测分类方法，包括：

获取待检测分类数据；

基于所述待检测分类数据运行目标检测分类网络中的特征提取网络，得到特征提取结果；

将所述特征提取结果输入目标检测分类网络中的检测分支网络和分类分支网络，得到多个目标检测分类中间结果；所述目标检测分类中间结果包括检测结果、检测置信度、分类结果以及分类置信度；

基于抑制函数对所述多个目标检测分类中间结果进行非极大值抑制排序，将抑制函数取极大值的目标检测分类中间结果作为目标检测分类结论；所述抑制函数的变量包括检测置信度和分类置信度；

所述目标检测分类网络是基于样本训练得到的。

根据本发明提供的一种基于联合抑制的目标检测分类方法，所述目标检测分类网络中分类分支网络的训练损失函数包括检测损失项和分类损失项。

根据本发明提供的一种基于联合抑制的目标检测分类方法，所述检测损失项和分类损失项的权值不同。

根据本发明提供的一种基于联合抑制的目标检测分类方法，所述检测损失项为所述目标检测分类网络中检测分支网络输出的检测结果与检测标签的交并比；所述分类损失项为所述目标检测分类网络中分类分支网络输出的分类结果与分类标签的交叉熵。

根据本发明提供的一种基于联合抑制的目标检测分类方法，所述目标检测分类网络中检测分支网络的训练损失函数包括所述目标检测分类网络中检测分支网络输出的检测结果与检测标签的交并比。

根据本发明提供的一种基于联合抑制的目标检测分类方法，所述待检测分类数据为待检测图像数据或者待检测点云数据。

本发明还提供一种基于联合抑制的目标检测分类系统，包括：

获取模块，用于获取待检测分类数据；

特征提取模块，用于基于所述待检测分类数据运行目标检测分类网络中的特征提取网络，得到特征提取结果；

检测分类模块，用于将所述特征提取结果输入目标检测分类网络中的检测分支网络和分类分支网络，得到多个目标检测分类中间结果；所述目标检测分类中间结果包括检测结果、检测置信度、分类结果以及分类置信度；