[发明专利]一种提升目标检测模型精度的方法

权利要求书

1.一种提升目标检测模型精度的方法，其特征在于，所述方法在检测过程中增加一个目标分类模型，首先将获取的待测检测目标的图片进入检测模型进行检测，再将检测出来的数据送入增加的所述目标分类模型用以判断是否为目标，只有当目标分类模型认定为目标后，才输出检测目标的图片位置。

2.根据权利要求1所述的一种提升目标检测模型精度的方法，其特征在于，所述方法包括以下步骤：

S1.训练检测目标检测模型

先训练一个检测目标检测模型，用提升精度的模型方法训练出该检测模型，数据采用的是室外的图片数据和应用场景内的图片数据；训练出来的检测目标的图片精度为97％；

S2.制作检测目标分类数据

负样本：负样本的制作是利用检测模型检测无检测目标的图片，这样检出来的数据都是误检，首先检测场景多的数据，然后检测应用场景内无检测目标的图片；对于负样本的采集，一定要用训练出来的检测模型在正常使用的阈值下检测出来的误检当作分类模型负样本；

正样本：正样本可通过检测目标的标注，将检测目标抠取出来，当作正样本；

S3.训练检测目标分类模型

检测目标分类模型的输入分辨率为96*96；

S4.模型应用

上述两个模型都训练好之后便配合使用，先用检测目标检测模型对带检测图片进行检测，将检测出来的待检测目标再送入分类模型中判断是否为目标，只有当分类模型也认定为目标的时候，才会输出检测目标位置。

3.根据权利要求2所述的一种提升目标检测模型精度的方法，其特征在于，所述步骤S1中，所述提升精度的模型方法中采用的是yolov4-tiny模型。

4.根据权利要求2所述的一种提升目标检测模型精度的方法，其特征在于，所述步骤S2中，所述检测场景多的数据用的是coco数据，coco数据场景是多样化的，这样数据也具有多样性。

5.根据权利要求2所述的一种提升目标检测模型精度的方法，其特征在于，所述步骤S2中，所述正常使用的阈值使用的是实际使用情况下的阈值，所述阈值是物体的得分值为0.3；所述正样本和负样本的比例为1:3。

6.根据权利要求2所述的一种提升目标检测模型精度的方法，其特征在于，所述步骤S4，进一步包括：检测目标检测流程：

检测开始，获取数据，数据进入目标检测模型，目标检测模型判断是否检测出检测目标？如果否，则结束检测，如果是，则进入分类模型，进一步判断是否为检测目标？如果否，则结束检测，如果是，则输出检测目标，最后结束检测。

7.根据权利要求1所述的一种提升目标检测模型精度的方法，其特征在于，所述的检测目标为电动车，目标检测模型是电动车检测模型，所述的应用场景是电梯，所述室外的图片数据作为增加泛化能力的因素适量采用，比例为十分之一。