本發(fā)明涉及一種目標(biāo)檢測(cè)方法，具體涉及一種基于反正切微分函數(shù)邊界框回歸損失的目標(biāo)檢測(cè)方法。

背景技術(shù)：

1、隨著太空領(lǐng)域的不斷發(fā)展，目標(biāo)檢測(cè)與其他多個(gè)重要領(lǐng)域相互交叉，已成為航天技術(shù)的重要基礎(chǔ)，具有重大的研究意義。

2、對(duì)于目標(biāo)檢測(cè)，傳統(tǒng)的目標(biāo)檢測(cè)方法通常是基于邊界框交并比的指標(biāo)對(duì)實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)，然而，這種檢測(cè)方法對(duì)目標(biāo)的位置偏差較為敏感，導(dǎo)致檢測(cè)的平均精度較低，難以滿足高精度目標(biāo)檢測(cè)的要求。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是解決現(xiàn)有目標(biāo)檢測(cè)方法對(duì)目標(biāo)的位置偏差較為敏感，導(dǎo)致檢測(cè)平均精度較低的技術(shù)問題，而提供一種基于反正切微分函數(shù)邊界框回歸損失的目標(biāo)檢測(cè)方法。

2、為實(shí)現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案為：

3、一種基于反正切微分函數(shù)邊界框回歸損失的目標(biāo)檢測(cè)方法，其特殊之處在于，包括以下步驟：

4、步驟1、獲取目標(biāo)圖像的檢測(cè)數(shù)據(jù)集，并將該目標(biāo)圖像的檢測(cè)數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集；

5、步驟2、構(gòu)建目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)；

6、步驟3、將訓(xùn)練集中的圖像輸入至目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)中，通過目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)輸出目標(biāo)的預(yù)測(cè)框；

7、步驟4、將真實(shí)框與預(yù)測(cè)框做taniou相似度計(jì)算，得到邊界框回歸損失ltaniou；

8、步驟5、基于邊界框回歸損失ltaniou，通過正反向傳播更新目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)的梯度參數(shù)，并判斷邊界框回歸損失ltaniou是否滿足預(yù)設(shè)條件，若是，則執(zhí)行步驟6，若否，則返回步驟3，將訓(xùn)練集中的目標(biāo)圖像輸入至已更新梯度參數(shù)的目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)中，直至滿足預(yù)設(shè)條件；

9、步驟6、將測(cè)試集輸入到更新梯度參數(shù)后的目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)中，進(jìn)行并完成目標(biāo)檢測(cè)。

10、進(jìn)一步地，步驟4具體為：

11、采用如下公式將真實(shí)框與預(yù)測(cè)框做taniou相似度計(jì)算，得到如下的邊界框回歸損失ltaniou：

12、taniou＝iou-d1-d2；

13、式中：iou為真實(shí)框與預(yù)測(cè)框的交并比；定義真實(shí)框左上角為a點(diǎn)、右下角為c點(diǎn)，預(yù)測(cè)框左上角為b點(diǎn)、右下角為g點(diǎn)，則d1為a點(diǎn)和b點(diǎn)之間的反正切微分距離，d2為c點(diǎn)和g點(diǎn)之間的反正切微分距離；

14、所述邊界框回歸損失ltaniou為：

15、ltaniou＝1-taniou。

16、進(jìn)一步地，定義b點(diǎn)和g點(diǎn)的坐標(biāo)分別為和a點(diǎn)和c點(diǎn)的坐標(biāo)分別為和則d1和d2分別采用下式計(jì)算：

17、

18、進(jìn)一步地，步驟3中，所述預(yù)測(cè)框?yàn)橐粋€(gè)四維的張量(x,y,w,h)，其中，x和y表示預(yù)測(cè)框的中心點(diǎn)坐標(biāo)，w和h分別表示預(yù)測(cè)框的寬和高；

19、步驟4中，所述預(yù)測(cè)框左上角b點(diǎn)和右下角g點(diǎn)的坐標(biāo)分別為：

20、b點(diǎn)(x-0.5w,y+0.5h)，g點(diǎn)(x+0.5w,y-0.5h)。

21、進(jìn)一步地，步驟5中，所述預(yù)設(shè)條件為邊界框回歸損失ltaniou達(dá)到無法降低的最低值。

22、本發(fā)明的有益效果是：

23、本發(fā)明將真實(shí)框與預(yù)測(cè)框做taniou相似度計(jì)算，得到邊界框回歸損失ltaniou，對(duì)目標(biāo)的位置偏差不敏感，再基于邊界框回歸損失ltaniou更新目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)的梯度參數(shù)，從而提升了目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)的平均檢測(cè)精度。

技術(shù)特征：

1.一種基于反正切微分函數(shù)邊界框回歸損失的目標(biāo)檢測(cè)方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于反正切微分函數(shù)邊界框回歸損失的目標(biāo)檢測(cè)方法，其特征在于，步驟4具體為：

3.根據(jù)權(quán)利要求2所述的一種基于反正切微分函數(shù)邊界框回歸損失的目標(biāo)檢測(cè)方法，其特征在于，步驟4中，定義b點(diǎn)和g點(diǎn)的坐標(biāo)分別為和a點(diǎn)和c點(diǎn)的坐標(biāo)分別為和則d1和d2分別采用下式計(jì)算：

4.根據(jù)權(quán)利要求2或3所述的一種基于反正切微分函數(shù)邊界框回歸損失的目標(biāo)檢測(cè)方法，其特征在于：

5.根據(jù)權(quán)利要求1所述的一種基于反正切微分函數(shù)邊界框回歸損失的目標(biāo)檢測(cè)方法，其特征在于：

技術(shù)總結(jié)
本發(fā)明屬于目標(biāo)檢測(cè)領(lǐng)域，具體涉及一種基于反正切微分函數(shù)邊界框回歸損失的目標(biāo)檢測(cè)方法。該方法包括以下步驟：1、獲取目標(biāo)圖像的檢測(cè)數(shù)據(jù)集，并將其劃分為訓(xùn)練集和測(cè)試集；2、構(gòu)建目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)；3、將訓(xùn)練集輸入至目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)中，輸出預(yù)測(cè)框；4、將真實(shí)框與預(yù)測(cè)框做TanIoU相似度計(jì)算，得到邊界框回歸損失L<subgt;TanIoU</subgt;；5、基于邊界框回歸損失L<subgt;TanIoU</subgt;，更新目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)的梯度參數(shù)，并判斷邊界框回歸損失L<subgt;TanIoU</subgt;是否滿足預(yù)設(shè)條件，若是，則執(zhí)行步驟6，若否，則返回步驟3，直至滿足預(yù)設(shè)條件；6、將測(cè)試集輸入到更新梯度參數(shù)后的目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)中，進(jìn)行并完成目標(biāo)檢測(cè)。本發(fā)明能夠提升目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)的平均檢測(cè)精度。

技術(shù)研發(fā)人員：唐強(qiáng),謝梅林,趙世斌,楊凱,馮旭斌,郝偉
受保護(hù)的技術(shù)使用者：中國(guó)科學(xué)院西安光學(xué)精密機(jī)械研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19