[发明专利]一种基于高置信标注策略的旗帜检测方法及系统及设备

权利要求书

1.一种基于高置信标注策略的旗帜检测方法，其特征在于，包括以下步骤：

步骤1，旗帜图片采集：以互联网媒体网站为数据源，利用API接口对k种不同类型旗帜图片进行爬取，得到由n张旗帜图片组成的图片数据集

步骤2，不平衡样本数据增强：对于样本数量小于100的旗帜类别，进行数据增强操作，生成与其他种类旗帜样本数目近似的扩充样本并加入图片数据集；

步骤3，高置信度样本标注：针对旗帜图片中存在的遮挡及形变，对收集到的k种旗帜确定每种类型旗帜的核心特征，针对所述核心特征，确定核心特征标注标准；

步骤4，目标旗帜核心特征标注：利用标注工具，依据步骤3中高置信度样本标注策略对目标旗帜核心特征区域进行标注并注明所属旗帜类别，得到图片的标签向量Y_i＝{a_i,b_i,w_i,h_i,c}，其中a_i，b_i为核心特征标注区域的中心点坐标，w_i，h_i为核心特征标注区域的宽度和高度，c为该核心特征区域所属的旗帜类别；将所有图片的标签向量加入步骤2中的数据集，并按照8：2的比例划分训练集验证集，构建为完整的旗帜检测数据集；

步骤5，旗帜检测模型建立：从步骤4所构建的数据集中抽取训练样本，输入YOLOv3目标检测模型，构建和训练有监督的旗帜检测模型；

步骤6，旗帜检测：对于需要识别的图片p，输入到步骤5中训练好的检测模型中，判断其中是否包含目标旗帜并确定旗帜类别和旗帜位置。

2.根据权利要求1所述的一种基于高置信标注策略的旗帜检测方法，其特征在于，步骤2中，数据增强操作包括：首先，分析步骤1中所收集数据不同旗帜类别的数量比例；之后，对于样本数量小于100的类别，对其图片分别进行色彩增强、添加高斯噪声、放大两倍、随机旋转、随机剪切、水平翻转、垂直翻转、水平垂直翻转操作，生成与其他旗帜类别数目近似的扩充样本，并加入到原来的数据集中，得到新数据集。

3.根据权利要求1所述的一种基于高置信标注策略的旗帜检测方法，其特征在于，步骤3确定旗帜高置信度样本标注中：首先，对比数据集中所有类型旗帜，确定每种目标旗帜最具区分性的区域即为该目标旗帜的核心特征，若无明显核心特征，则将完整旗帜区域作为核心特征；其次，构建旗帜高置信度样本标注策略：当目标旗帜的核心特征展示完整，在保证核心特征被覆盖完整的情况下使用尽可能小的标注框进行标注，对旗帜的非核心特征区域不予标注；当目标旗帜核心特征出现形变，对形变区域进行正常标注；当目标旗帜核心特征被遮挡，若核心特征被遮挡超过一半，则不予以标注，否则进行标注。

4.根据权利要求1所述的一种基于高置信标注策略的旗帜检测方法，其特征在于，步骤3中，核心特征标注标准包括标注的位置、覆盖范围及形变遮挡异常情况处理。

5.根据权利要求1所述的一种基于高置信标注策略的旗帜检测方法，其特征在于，步骤4目标旗帜核心特征标注中，使用Y来表示数据的标注信息，对中图片p_i，基于不同类别旗帜的核心特征，利用标注工具，依据步骤3中标注策略对目标旗帜核心特征区域进行标注并注明所属旗帜类别，在标注文件中记录下每个标注区域的中心点坐标及宽高。

6.根据权利要求1所述的一种基于高置信标注策略的旗帜检测方法，其特征在于，步骤5旗帜检测模型建立中，针对步骤3所构建的训练样本数据集，对所有图片标注信息中的标注框区域进行k-means聚类，得到9个不同大小的anchor；将训练集中图片进行预处理裁剪至416×416大小，并转化为RGB三通道的图像矩阵X；将该图像矩阵、anchor与图像标签输入检测网络模型中进行训练，得到所述旗帜检测网络模型；构建的基于核心特征标注的有监督模型为训练一个系数矩阵W将数据矩阵X映射到标注信息矩阵Y，训练方式为：

式中，l_box为预测框与真实框之间的回归损失，l_obj为预测框的置信度损失，l_cls为不同类别间的分类损失。