[发明专利]目标检测模型的性能测试方法、装置、设备及存储介质在审
申请号: | 202210350711.6 | 申请日: | 2022-04-02 |
公开(公告)号: | CN114742145A | 公开(公告)日: | 2022-07-12 |
发明(设计)人: | 薛云志;孟令中;魏松江;董乾;王鹏淇;杨光;师源 | 申请(专利权)人: | 中国科学院软件研究所 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06V10/75;G06V10/764 |
代理公司: | 北京君尚知识产权代理有限公司 11200 | 代理人: | 余长江 |
地址: | 100190 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 目标 检测 模型 性能 测试 方法 装置 设备 存储 介质 | ||
1.一种目标检测模型的性能测试方法,其特征在于,所述方法包括:
获取图像数据集,所述图像数据集包括:带目标的图像、所述图像的标签和所述图像的语义图;
针对所述图像数据集中的每张图像,基于所述图像的标签与所述图像的语义图,提取所述图像中的所有目标以及每一目标的像素数量,并基于所述目标的像素数量确定所述目标的像素级别;
通过目标检测模型对所述图像数据集中的图像进行处理得到预测结果,并基于所述预测结果和所述标签,统计各目标类别在各像素级别下的真正例数量、假正例数量和假反例数量;
基于所述真正例数量、假正例数量和假反例数量,计算所述目标检测模型在各像素级别下的平均精度均值。
2.如权利要求1所述的方法,其特征在于,所述基于所述图像的标签与所述图像的语义图,提取所述图像中的所有目标以及每一目标的像素数量,包括:
基于所述图像的语义图构建语义图矩阵;
基于所述图像的标签指示的目标数量,初始化目标数量;
在遍历至第w个目标时,获取所述第w个目标的语义信息,并将所述第w个目标的像素数量赋值为所述语义图矩阵中所有值等于所述第w个目标的语义信息的像素数量。
3.如权利要求1所述的方法,其特征在于,所述基于所述目标的像素数量确定所述目标的像素级别,包括:
获取对应关系表,所述对应关系表包括至少一组像素数量和像素级别之间的对应关系;
基于所述对应关系表,获取所述目标的像素数量对应的像素级别,并确定为所述目标的像素级别。
4.如权利要求1所述的方法,其特征在于,所述通过目标检测模型对所述图像数据集中的图像进行处理得到预测结果,并基于所述预测结果和所述标签,统计各目标类别在各像素级别下的真正例数量、假正例数量和假反例数量,包括:
在遍历至所述图像数据集中的第s张图像时,将所述第s张图像输入所述目标检测模型,得到所述第s张图像中预测标签为目标类别C的所有预测结果;
基于所述第s张图像的标签,提取所述第s张图像中真实标签为所述目标类别C的所有目标;
基于真实标签为所述目标类别C的所有目标分别与每一预测结果之间的交并比,获取所述目标类别C在各像素级别下的真正例数量、假正例数量和假反例数量;
直至遍历所有目标类别以及所述图像数据集中的所有图像,获取各目标类别在各像素级别下的真正例数量、假正例数量和假反例数量。
5.如权利要求4所述的方法,其特征在于,所述基于真实标签为所述目标类别C的所有目标分别与每一预测结果之间的交并比,获取所述目标类别C在各像素级别下的真正例数量、假正例数量和假反例数量,包括:
在遍历至第i个预测结果时,基于所述第i个预测结果的像素数量,确定所述第i个预测结果的像素级别k;
计算真实标签为所述目标类别C的所有目标分别与所述第i个预测结果之间的交并比;
若存在一目标与所述第i个预测结果之间的交并比,大于交并比阈值且大于其它任一目标与所述第i个预测结果之间的交并比,则确定所述第i个预测结果为所述目标类别C在所述像素级别k下的真正例;
若所有目标与所述第i个预测结果之间的交并比均小于交并比阈值,则确定所述第i个预测结果为所述目标类别C在所述像素级别k下的假正例;
若存在第t个目标与各预测结果均不匹配且所述第t个目标属于所述像素级别k,则所述第t个目标为所述目标类别C在所述像素级别k下的假反例;
直至遍历所有预测结果以及所有目标,得到所述目标类别C在各像素级别下的真正例数量、假正例数量和假反例数量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院软件研究所,未经中国科学院软件研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210350711.6/1.html,转载请声明来源钻瓜专利网。