[发明专利]一种不完备数据集中平衡输入数据类别多目标检测方法

权利要求书

1.一种不完备数据集中平衡输入数据类别多目标检测方法，包括：

步骤a，对输入的数据进行清洗，对数据命名进行规范，检查图片文件所对应的标签文件是否为空，以确保每张图片中具有类别实体，没有损坏的文件；

步骤b，依次读取数据集中的Xml文件，获得每张图片中的图片类别，并按照不同的类别对图片进行排序；

步骤c，计算训练数据集中C_i个类别的图片数量，包含Bounding Box数量最少的类别(C_i)_min和Bounding Box数据量最多的类别(C_i)_max以及其它类别中Bounding Box的数量；

步骤d，将C_i个类别中的信息按照{序号，图片名，类别C_i，x，y，w，h}的格式保存在pre_train.txt文件中，x，y表示Bounding Box中心点坐标，w，h表示Bounding Box的宽和高；保存序号是为了让每个Bounding Box都有一个唯一的身份标签；

步骤e，按照类别ID对每类Bounding Box随机打乱次序，根据最少Bounding Box数量类别(C_i)_min的数量(C_i)_{bx_min}-1确定每一次训练中每类Bounding Box的数量，且(C_i)_{bx_min}-1＞类别数；

步骤f，在pre_train.txt中取出对应数量的图片，并计算图片的数量Pn，保存在train.txt文件中，train.txt文件内容格式为：{图片名，类别C_i，x，y，w，h}，将图片的数量Pn赋值给Batch Size，确定Batch Size的大小；

步骤g，采用最多类别(C_i)_max的Bounding Box的数量(C_i)_{bx_max}除以64获得lteration的值，即

步骤h，为了平衡Batch Size中输入的每个类别，通过运算将每次lteration中单个类别的数据量进行均衡BN_K；

步骤i，当将所有的执行结束，完成一次Epoch。

2.根据权利要求1所述的不完备数据集中平衡输入数据类别多目标检测方法，其特征在于，在一张图片中包括多个不同类别的Bounding Box，对于所有样本寻找一个分类器θ，使得分类损失最小：

其中，P_i，j，k表示第i张图片的第j个候选框属于第k类的概率，τ(.)表示损失函数；当面对二分类问题时，则公式(1)表示为：

公式(1)中存在图片i包括多个不同的类别，且不同类别的bounding box数量不相等，当一次输入给神经网络多张图片时，公式(1)存在类别不平衡问题，将公式(1)的正负样本分开写，表示为：

其中，j+表示正样本平衡的图片，j-表示负样本不平衡的图片。

3.根据权利要求2所述的不完备数据集中平衡输入数据类别多目标检测方法，其特征在于，当公式(1)存在类别不平衡问题时，则将该问题转换为排序问题，公式表示为：

其含义是，对于所有样本对，一个正样本和一个负样本构成一对的损失最小；

对于每幅图像，将公式(4)分解为：

当按照公式(5)来处理输入样本时，产生n₊×n_-对样本；存在两种情况：当n_-＜n₊时，正样本占主导地位；当n_-≥n₊时，负样本占主导地位，正样本的贡献会被负样本所占据。