[发明专利]基于yolo网络的目标检测方法、装置和设备终端

说明书

本申请涉及基于yolo网络的目标检测方法、装置、设备终端和可读存储介质，该目标检测方法通过获取训练数据中各个目标类别的初始预设特征复杂度，基于yolo网络，根据各个目标类别的初始预设特征复杂度以及多个预设复杂度区间，建立各个预设复杂度区间各自的特征层结构，基于各自的特征层结构以及各个目标类别的初始预设特征复杂度，计算并调整各个预设复杂度区间的损失函数值，根据各个预设复杂度区间的损失函数值进行损失函数的拼接，以计算拼接后的损失函数的损失值，根据损失值进行权重和偏置更新以生成目标检测模型，根据目标检测模型对测试数据进行测试，输出目标的位置信息和类别信息，提高了目标检测的准确度。

技术领域

本申请涉及目标检测技术领域，具体涉及一种基于yolo网络的目标检测方法、装置、设备终端和可读存储介质。

背景技术

目前，目标检测技术中yolo网络（You only look once，你只看一次）应用十分广泛，然而针对同一目标数据集，往往存在多个类别特征丰富度不同的类别特征，因此，若采用常规的训练方法，无法有效的提取目标类别关键特征，导致yolo网络难以收敛。

发明内容

鉴于此，本申请提供一种基于yolo网络的目标检测方法、装置、设备终端和可读存储介质，以解决现有的yolo网络在对包含类别特征类别特征丰富度不同的同一目标数据集进行检测时无法收敛的技术问题。

一种基于yolo网络的目标检测方法，目标检测方法包括：

获取训练数据中各个目标类别的初始预设特征复杂度，训练数据包括同源异构数据；

基于yolo网络，根据各个目标类别的初始预设特征复杂度以及多个预设复杂度区间，建立各个预设复杂度区间各自对应的特征层结构；

基于各自对应的特征层结构以及各个目标类别的初始预设特征复杂度，计算并调整各个预设复杂度区间的损失函数值；

根据各个预设复杂度区间的损失函数值进行损失函数的拼接，以计算拼接后的损失函数所对应的损失值；

根据损失值进行权重和偏置更新，直至拼接后的损失函数收敛以生成对应的目标检测模型；

根据目标检测模型对测试数据进行测试，输出对应的目标的位置信息和类别信息。

在一个实施例中，基于yolo网络，根据各个目标类别的初始预设特征复杂度以及多个预设复杂度区间，建立各个预设复杂度区间各自对应的特征层结构的步骤包括：

根据各个目标类别的初始预设特征复杂度，结合多个预设复杂度区间，将各个目标类别分别划分到对应的预设复杂度区间；

基于yolo网络，针对各个预设复杂度区间，分别建立对应的特征层结构。

在一个实施例中，根据各个预设复杂度区间的损失函数值进行损失函数的拼接，以计算拼接后的损失函数所对应的损失值的步骤包括：

结合每个预设复杂度区间中各个目标类别的总体特征复杂度，对各个预设复杂度区间各自所对应的特征层结构的损失函数值分别进行加权处理，得到拼接后的损失函数所对应的损失值。

在一个实施例中，预设复杂度区间的数量为两个，根据各个目标类别的初始预设特征复杂度，结合多个预设复杂度区间，将各个目标类别分别划分到对应的预设复杂度区间的步骤包括：

将初始预设特征复杂度大于预设复杂度阈值的目标类别划分到第一预设复杂度区间，将初始预设特征复杂度小于或等于预设复杂度阈值的目标类别划分到第二预设复杂度区间；

基于yolo网络，针对各个预设复杂度区间，分别建立对应的特征层结构的步骤包括：