[发明专利]基于动态结构优化的高精度级联目标检测方法与装置

说明书

本发明涉及一种基于动态结构优化的高精度级联目标检测装置，包括：数据输入单元，数据信息采集单元，装置冷启动单元，级联网络框架动态构建单元，级联网络参数动态调整单元，模型评估单元，监测控制单元，最优模型选择单元，模型输出单元。通过本发明的技术方案，能够提高图像中目标的检测精度，动态适应不同的图像场景。通过多阶段的级联检测器对图像中目标实现了像素级别的高精度位置回归，从而大幅提升了目标检测器的定位能力。

技术领域

本发明涉及图像目标检测领域，尤其涉及了一种基于动态结构优化的高精度级联目标检测方法与装置。

背景技术

图像作为最常用的信息载体，理解图像中特定的目标进而解析图像内容尤为关键。基于图像的目标检测是从背景中分离出感兴趣的目标，并确定这一目标的描述：类别和位置，其中位置通常用矩形检测框的坐标表示。然而现有的方法存在矩形检测框不贴合/不匹配的问题，例如矩形检测框太大或太小，仍然不能满足实际生产任务的需求。

目前已经存在一些相关方法。现有方法通过固定阶段数和固定IoU阈值的级联检测器检测特定场景下的目标。相关的专利和研究技术如下：

中国专利CN201910021219.2公开了一种基于级联位置敏感检测的舰船目标检测方法，它通过统计检测网络各级输出的候选框与真实框IoU的分布情况，得到三级检测模块的IoU阈值，将三阶段的级联检测器用于海上视频图像中舰船目标的精准检测。固定阶段数、固定IoU阈值仅针对海上视频图像中的舰船目标有效，无法适用于其它应用场景，而且没有使用定量化指标来评测检测模型的贴合度。

中国专利CN201610086496.8公开了一种基于级联卷积神经网络的人脸遮挡检测方法，其使用两个固定IoU阈值的三级人头卷积神经网络，保留符合级联网络各个条件的检测窗口。它同样也是固定阶段数、固定IoU阈值的级联检测器，泛化能力不强，精度也有待进一步提高。

综合现有技术，其技术方案都是固定参数的级联网络，不能实时动态监测网络的训练过程，网络性能没有逐步调整到最优，检测精度还有进一步提高的空间。

发明内容

本发明被用作解决在现有技术中的上述问题，并且提高图像中目标的检测精度，以动态适应不同的图像场景。通过多阶段的级联检测器对图像中目标实现了像素级别的高精度位置回归，从而大幅提升了目标检测器的定位能力。

为了实现上述目的，在本发明的第一方面中，提供了一种基于动态结构优化的高精度级联目标检测装置，其特征在于，包括：

(1)数据输入单元，用于对输入数据集进行训练、验证和测试集合的划分，分别包含图像及图像中目标的标注信息，并按照需求输入数据集；

(2)数据信息采集单元，用于分析数据种类、数据量大小、包含目标类别、目标的相对尺寸及目标的总数量；

(3)初始参数预置单元，用于接收用户设定的可接受像素差值及贴合度要求；

(4)装置冷启动单元，用于综合数据信息采集单元和初始参数预置单元的信息来估计初始训练阶段数；

(5)级联网络框架动态构建单元，用于根据估计的初始训练阶段数生成训练配置文件，或者根据监测控制单元的反馈信息进一步调整级联的阶段数，动态构建级联网络框架；

(6)级联网络参数动态调整单元，用于动态调整级联检测器中每个阶段正负样本的判定条件，包括级联网络训练子单元和正负样本选择子单元；

(7)模型评估单元，用于使用测试集评估检测器的贴合水平，并反馈给监测控制单元；

(8)监测控制单元，用于接收级联网络参数动态调整单元反馈的检测器训练阶段、IoU阈值、训练损失函数信息；接收模型评估单元反馈的贴合度信息；绘制贴合度和阶段数的函数曲线，通过级联网络可视化监控子单元实时监测训练过程；