买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军陆军炮兵防空兵学院

摘要：本发明提供一种基于对角线网络的无锚框目标检测方法及系统包括：利用沙漏网络提取输入图像深度特征并进行池化操作，据以获取关键点热力图、嵌入特征向量特征图及偏移量特征图；利用对角线网络处理关键点热力图，根据置信度对关键点进行排序，选择前k个置信度的关键点作为目标关键点，得到左上角、右下角及中心点的关键点位置及关键点类别信息；基于Fisher准则，设计嵌入向量学习损失函数进行关键点组合配对训练，利用中心关键点对初步配对结果进一步甄别；利用预测矩形和标注矩形框的对角线中心点的距离、长度、斜率度量损失设计用于目标预测框回归训练的对角线损失。解决了锚框设计困难、样本不平衡及检测精度低的技术问题。

主权项：1.一种基于对角线网络的无锚框目标检测方法，其特征在于，所述方法包括：S1、采集输入图像，利用沙漏网络HourglassNet作为骨干网络提取所述输入图像的深度特征，对所述深度特征进行角点池化及中心池化操作，据以获取关键点热力图、嵌入特征向量特征图及偏移量特征图；S2、利用对角线网络根据FocalLoss损失处理所述关键点热力图，根据各所述关键点热力图的置信度对关键点进行排序，选择前k个置信度的所述关键点作为目标关键点，得到左上角、右下角及中心点的关键点位置及关键点类别信息；S3、根据所述关键点位置及所述关键点类别信息计算每个左上角与k个右下角关键点的嵌入特征向量的距离，据以配对所述左上角与所述右下角关键点得到关键点组合配对，以构造目标预测框，当存在同类中心关键点落入候选目标框的中心区域时，判定当前目标预测框为真；S4、利用Fisher线性判别分析方法，采用下述逻辑处理得到分组配对损失： 其中，根据所述关键点组合配对，利用所述分组配对损失进行网络训练，据以获取适用的目标检测网络；S5、以所述目标检测网络学习所述偏移量特征图中的左上角偏移量Δxtl,Δytl和所述右下角关键点的偏移量Δxbr,Δybr，以下述逻辑处理得对角线回归损失：LossL＝αLdis+βLsize+γLshape,据以回归处理所述目标预测框，精细定位所述目标预测框xtl+Δxtl,ytl+Δytl,xbr+Δxbr,ybr+Δybr，其中，Ldis、Lsize和Lshape分别是对角线中心点距离、对角线长度差和对角线倾斜角差；其中，所述步骤S5包括：S51、以下述逻辑处理得所述目标预测框的所述对角线中心点距离： S52、以下述逻辑处理得所述目标预测框的所述对角线长度差： S53、以下述逻辑处理得所述目标预测框的所述对角线倾斜角差： 其中，α、β、γ供控制Ldis、Lsize和Lshape三个分量在网络训练中的权重。

全文数据：

权利要求：

百度查询： 中国人民解放军陆军炮兵防空兵学院 一种基于对角线网络的无锚框目标检测方法及系统