[发明专利]基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法

权利要求书

1.基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法，其特征在于：在原始YOLOv3网络模型基础上，对YOLOv3网络模型输出层特征信息进行扩展，增加目标完整性预测、目标倾斜程度类别预测、目标最小外接矩形边界框位置预测，实现精准的目标定位。

2.根据权利要求1所述基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法，其特征在于：所述YOLOv3网络模型输出层特征通道数filter的如公式(1)所示：

filter＝bNum*(ncls+ncoord+nconf) (1)

其中：bNum代表每个网格单元预测的边界框数目，即每个尺度的锚框负责预测一个边界框；ncls为模型训练时设定的类别个数；ncoord表示模型预测的边界框的位置信息数目，即边界框中心点(x,y)和宽w高h；nconf为模型预测的边界框的置信度。

3.根据权利要求1所述基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法，其特征在于：所述YOLOv3网络模型，在训练时，网络为每个标记框选取与之交并比IOU最大的锚框，并学习标记框对于锚框的偏移值，从而得到模型权重；检测时，网络以置信度最大的锚框为基准，通过预测目标框相对于该锚框的偏移值，并结合回归公式(2)、公式(3)、公式(4)、公式(5)得到目标边界框位置；

b_x＝σ(t_x)+c_x (2)

b_y＝σ(t_y)+c_y (3)

其中：b_x、b_y为目标边界框中心点位置；b_w、b_h分别为目标边界框宽高，t_x、t_y分别是网络预测的目标边界框中心点位置偏移量；t_w、t_h分别是网络预测的目标边界框宽高偏移量；c_x、c_y为目标边界框中心点所在的网格单元左上角坐标，p_w、p_h为锚框的宽高。

4.根据权利要求1所述基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法，其特征在于：所述YOLOv3网络模型输出层特征信息包括目标边界框的中心点坐标(x,y)、宽w、高h、置信度s、类别c信息。

5.根据权利要求1所述基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法，其特征在于：所述目标完整性预测，指的是判断目标在图像中是否完整，若目标只有部分在图像中，则目标不完整，标签f取值为0，后面的特征信息失效，直接使用原始YOLOv3网络的目标边界框做目标最小外接矩形框输出；否则目标完整，标签f取值为1，后续特征信息均有效。

6.根据权利要求1所述基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法，其特征在于：所述目标倾斜程度类别预测，指的是引入二进制编码的方式，对目标倾斜状态进行编码，4种倾斜状态使用2位二进制数编码，倾斜类别标签分别为00、01、10、11。