[发明专利]一种光学图像目标检测的方法及计算设备

权利要求书

1.一种光学图像目标检测的方法，其特征在于，包括：

基于动态极值匹配的损失函数，训练由卷积神经网络(CNN)、二维长短时记忆(2D-LSTM)神经网络、以及全连接神经网络(FCN)构成神经网络模型；

获取包含待检测目标的光学图像，将所述光学图像输入到所述神经网络模型中，计算并输出得到所述光学图像中的所述待检测目标。

2.根据权利要求1所述的一种光学图像目标检测的方法，其特征在于：所述基于动态极值匹配的损失函数定义如下：

其中，y为所述神经网络模型的输出张量，对应所述待检测目标的参数，为所述输出张量对应的真值张量，L为所述输出张量y和所述真值张量间的所述损失函数，L_θ为所述输出张量y和所述真值张量间的参数损失函数，L_c为所述输出张量y和所述真值张量间的置信度损失函数，γ为所述置信度损失函数的系数。

3.根据权利要求2所述的一种光学图像目标检测的方法，其特征在于：所述参数损失函数定义如下：

其中，N_t为所述真值张量中的目标数量，i为所述目标数量的索引，为所述索引i对应的所述真值张量的分量，p_i为所述真值张量分量在所述输出张量y中对应的极值索引，为所述极值索引p_i对应的所述输出张量的分量，l_θ为所述输出张量分量与所述真值张量分量间的损失函数。

4.根据权利要求3所述的一种光学图像目标检测的方法，其特征在于：所述极值索引p_i计算公式为：

s.t.p_i≥p_i-1

其中，令N为所述输出张量中的目标数量，则j∈[0,N-1]为所述目标数量的索引，y_j为所述索引j对应的所述输出张量的分量，argmin为极小值运算符，当所述输出张量分量y_j与所述真值张量分量间的所述损失函数最小时，获取所述y_j对应的所述索引j并赋值于所述极值索引p_i；

i-1为所述索引i对应的上一个索引，p_i-1所述索引i-1对应的上一个所述极值索引，s.t.为约束条件，所述约束条件为所述极值索引p_i的数值大于或者等于所述极值索引p_i-1的数值。

5.根据权利要求2所述的一种光学图像目标检测的方法，其特征在于：所述真值张量采用分级维度排序方法进行构建，所述分级维度排序方法如下：

m∈[0,N_t-1]为所述真值目标数量N_t的索引，其对应的所述参数为：

其中，N_θ为所述参数的维度，构建维度为的张量，对所述张量置0，然后依照先后顺序填充所述真值目标参数，对于两个不同的所述参数θ_p与θ_q，p,q∈[0,N_t-1]为所述参数维度的索引，所述先后顺序的比较方法如下：

其中，n∈[0,N_θ-1]为所述参数维度的索引，←代表θ_p次序优先，→代表θ_q次序优先，所述比较方法依照所述参数维度逐级对比。

6.根据权利要求2或5所述的一种光学图像目标检测的方法，其特征在于：所述置信度损失函数定义如下：

其中，k为所述输出张量中的目标数量的索引，为所述极值索引p_i构成的索引集合，为所述输出张量中所述k对应的置信度，ε为所述置信度的极小值。