[发明专利]一种角度自适应的椭圆模板目标检测器

权利要求书

1.一种角度自适应的椭圆模板目标检测器，其特征包括以下内容：

EllipseNet模型结构

用E＝[cx,cy,la,sa,θ,n(i)]表示目标的真实椭圆框，令C＝[cx,cy]表示椭圆的中心，A＝[la,sa]代表椭圆的长轴和短轴长度，θ代表椭圆顺时针旋转的角度，n(i)是边界框中的对象所属的类，N是类别数目；

模型结构包括四个部分：骨干网络ResNet提取图像的多级特征C3，C4和C5；然后通过特征金字塔结构获得融合后的特征图F1至F5，回归层完成对椭圆属性的预测，包括椭圆圆心的偏移量，长短轴长以及椭圆的旋转角度以及类别；最后计算预测值和真实值之间的损失；

在回归层中，对于第i个特征图Fi中的每个位置(x(i),y(i))，将特征点映射回输入图像s是特征图相对于输入图像的下采样率；如果位置(x(i),y(i))落在目标图像的区域内，则将其视为正样本点；

偏移量通过公式(1)计算：

c_error＝(cx-x⁽ⁱ⁾,cy-y⁽ⁱ⁾) (1)

网络的回归层需要输出对象的类别向量p和椭圆中心的偏移量，以及椭圆的轴长和旋转角度；在FCOS的头部增加了五个独立的回归分支；在模型的输出层中，负责预测椭圆圆心的偏移量；是椭圆圆心的长轴和短轴的预测值，负责预测椭圆的角度；另外，根据椭圆的对称性，其角度的取值范围为[0,180)，因此使用exp(x)将输出分支映射到正数；

在模型推理阶段，网络接收一张图像后，通过特征金字塔结构获取5张特征图，然后获取特征图上每个像素点位置的六个预测值，分别为对象的类别、中心度分数、椭圆中心偏移量、长短轴长以及椭圆的旋转角度；然后，将所有的特征像素点映射回所在原始图像的位置，将中心度分数乘以类别分数得到椭圆中心点的置信度分数，并以阈值δ＝0.3来过滤掉小于阈值的预测点，然后利用公式(1)进一步确定椭圆的圆心；然后得到最终的椭圆框，再对这些椭圆进行非极大值抑制算法，得到网络最终的输出结果；

损失函数设计

损失函数L定义如下：

其中L_cls，L_cnt，L_shp代表分类损失，椭圆中心位置损失和形状损失；N_pos代表正样本像素的数量，而α，β是权衡这些损失的权重，是两个超参数，设定为1；

分类损失L_cls使用Focal Loss完成分类任务，可以定义如下

L_cls＝-η_t(1-p_t)^γlog(p_t) (4)

其中η_t和γ是两个超参数，分别设置为0.25和2，p_t是属于类别t的对象的概率值；

基于FCOS中的中心损失L_reg通过公式五进行计算：

其中P_centerness,G_centerness分别为预测椭圆和真实椭圆框的外接矩形框，假设真实椭圆框的外接矩形框为(l^*，r^*,b^*,t^*)，则G_centerness的计算方式如下：

BCE(.)的计算方式为：

BCE(P,G)＝-(GlogP+(1-G)log(1-P)) (7)

此处采用了标准的二元交叉熵损失函数，其根据靠近圆心的远近程度赋予圆心周围的像素点一个权重值，距离越近则权重越大，距离越远则权重越小；

另外，和C表示预测椭圆的中心和椭圆的真实中心，Smooth_L1损失来回归二者之间的距离；Smooth_L1损失用下式计算：

形状损失L_shp由下式构成：

其中θ表示预测椭圆和真实椭圆的旋转角度；A分别代表椭圆长轴和短轴的预测值以及真实值；

在Elliptical_IOU_Loss中，令G＝[g1,g2]，P＝[p1,p2]代表椭圆的真实轴长和预测轴长，则两个椭圆的近似IOU是：

由于IOU需要优化为1，因此最终的Elliptical_IOU_Loss为：

考虑到在模型训练早期阶段，网络还无法很好准确回归椭圆的旋转角度和中心偏移；因此，在训练的初始阶段，仅使用Smooth_L1损失来回归椭圆轴长，待损失值接近0时，此时网络基本可以回归椭圆的属性值；此时在添加Elliptical_IOU_Loss继续训练模型，进一步提升模型的性能。