买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长讯通信服务有限公司

摘要：本发明公开了一种基于长尾数据的自适应阈值NMS多目标检测方法，包括以下步骤：步骤一，输入目标检测的长尾训练数据，分析和计算数据特征；步骤二，采用FasterRCNN模型训练目标检测模型；步骤三，把需要检测的长尾目标检测数据输入FasterRCNN目标检测模型，获取多个目标候选框；步骤四，根据长尾训练数据的数据特征，对每一个类别进行自适应阈值计算，并执行非极大值抑制处理；步骤五，根据步骤四的方法，对所有类别的待检测框进行冗余框筛选，获得目标检测结果，本发明考虑了目标检测实际应用中广泛存在的长尾数据现象，自适应调整非极大抑制算法的阈值，从而保护尾部类别目标检测框不被过度抑制，可有效降低尾部类别目标的漏检率。

主权项：1.一种基于长尾数据的自适应阈值NMS多目标检测方法，其特征在于，包括以下步骤：步骤一，输入目标检测的长尾训练数据，分析和计算数据特征，所述分析和计算数据特征，包含以下操作：根据长尾数据的特征，计算每一类目标的平衡系数，公式如下： （1）其中，是长尾数据中目标类别的数量；是第i类目标的总数量；步骤二，采用FasterRCNN模型训练目标检测模型，包含以下操作：定义一个瓶颈层bottleneck，其中一条支路依次通过卷积核大小为1x1的组卷积层、正则化BN层、卷积核大小为3x3的组卷积层、正则化BN层、卷积核大小为1x1的卷积层、正则化BN层、relu激活函数，另一条支路是恒等映射，两条支路的输出相加得到bottleneck的输出；把训练集中的图片归一化输入regnet骨干网络，依次经过卷积核大小为3x3、步长为2、填充为1、输出通道为48的卷积层，正则化BN层，激活函数relu，经过2个输出通道为96的bottleneck得到特征图C2，经过6个输出通道为192的bottleneck得到特征图C3，经过15个输出通道为432的bottleneck得到特征图C4，经过2个输出通道为1008的bottleneck得到特征图C5；步骤三，把需要检测的长尾目标检测数据输入FasterRCNN目标检测模型，获取多个目标候选框，将所有目标候选框按照不同的类别标签分组，并对每一个类别的所有目标候选框按照置信度进行排序；步骤四，根据长尾训练数据的数据特征，对每一个类别进行自适应阈值计算，并执行非极大值抑制处理，所述对每一个类别进行自适应阈值计算，包含以下操作：对每一个目标类别，计算该类别的非极大值抑制算法阈值参数，公式如下： （2）其中，是长尾数据中目标类别的数量；是长尾数据的平衡系数；是可调节的权重系数，所述执行非极大值抑制处理，包含以下操作：（a）在每一类目标中，选择置信度最高的目标检测框，记作M，加入到集合D中；（b）分别计算剩余的目标检测框与M之间的交并比，并按照以下公式处理该目标检测框的置信度，公式如下： （3）其中，表示第i类检测目标的第j个检测框，是第i类检测目标的检测框数量；是检测框M与第j个检测框的交并比；（c）若步骤（b）中得到的所有类别的目标检测框为空，则检测框筛选结束；步骤五，根据步骤四的方法，对所有类别的待检测框进行冗余框筛选，获得目标检测结果。

全文数据：

权利要求：

百度查询： 长讯通信服务有限公司 一种基于长尾数据的自适应阈值NMS多目标检测方法