申请/专利权人:北京同方软件有限公司;同方股份有限公司
申请日:2020-01-03
公开(公告)日:2024-06-28
公开(公告)号:CN111191621B
主分类号:G06V20/52
分类号:G06V20/52;G06V10/26;G06V10/82;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.06.28#授权;2020.08.21#实质审查的生效;2020.05.22#公开
摘要:一种大焦距监控场景下多尺度目标的快速精准识别方法,涉及人工智能领域和计算机视觉领域。本发明的方法步骤为:1)动态anchor设定:获取训练数据,并对训练的目标进行数据拟合,通过大数据拟合来分析anchor的特性,动态的设定anchor的值。2)设计网络结构DAnchorNet:设计DAnchorNet中目标检测分支与目标分割分支,通过目标检测分支与分割分支的结合来解决目标检测超参阈值的设定。3)设计DAnchorNet的损失函数:通过动态权重设计方案来优化训练过程中的损失函数,关注目标区域的平均概率值来对总的损失进行调整。本发明通过动态anchor能有效提升大焦距监控场景下多尺度目标的检出率,通过分割与动态anchor检测相结合的网络结构能有效提升目标检测的准确率,进而有效的提升目标识别的整体效果。
主权项:1.一种大焦距监控场景下多尺度目标的快速精准识别方法,其方法步骤为:1动态anchor设定:获取训练数据,并对训练的目标进行数据拟合,通过大数据拟合来分析anchor的特性,动态的设定anchor的值;2设计网络结构DAnchorNet:设计DAnchorNet网络结构,该网络结构包括两个分支,一个是目标检测分支,一个是目标分割分支,目标分割分支与目标检测分支共用一个基础网络,通过目标检测分支与目标分割分支的结合来解决目标检测超参阈值的设定;3设计DAnchorNet的损失函数:采用动态权重设计方案来优化训练过程中的损失函数,融合目标注意力机制,重点关注目标区域的平均概率值来对总的损失进行调整;所述动态权重设计方案是指当目标区域的平均概率值较高时说明目标分割分支训练较好,降低目标分割分支的损失贡献;当目标区域的平均概率值较低时说明目标分割分支收敛欠佳,提升目标分割分支的损失贡献,具体的:总的损失L的计算公式为:L=L1+2-Pavg*L2,其中,L1为目标检测分支的损失,L2为目标分割分支的损失,Pavg为目标区域的平均概率值。
全文数据:
权利要求:
百度查询: 北京同方软件有限公司;同方股份有限公司 一种大焦距监控场景下多尺度目标的快速精准识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。