CN119445387A 小目标检测的联合优化方法、装置、设备和介质 （中国人民解放军国防科技大学）_第1页
CN119445387A 小目标检测的联合优化方法、装置、设备和介质 （中国人民解放军国防科技大学）_第2页
CN119445387A 小目标检测的联合优化方法、装置、设备和介质 （中国人民解放军国防科技大学）_第3页
CN119445387A 小目标检测的联合优化方法、装置、设备和介质 （中国人民解放军国防科技大学）_第4页
CN119445387A 小目标检测的联合优化方法、装置、设备和介质 （中国人民解放军国防科技大学）_第5页
已阅读5页，还剩17页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

类标签与分类输出结果计算每个训练样本的分平衡分类预测和回归预测，提升小目标的检测2获取训练样本集，将所述训练样本集输入检测器，得到各训练样本根据分类标签与所述分类输出结果计算每个训练样本的分类得边界框回归输出结果计算每个训练样本的边界框回归根据所述分类得分与所述边界框回归得分，计算正样本权重与负样所述正样本权重与所述负样本权重得到联合通过所述联合优化损失反向传播给所述检测器进行优化训练，得到训练好的检测器，根据所述权重取值范围限定值、所述分类得分与所述边界框回归得分计算正样本权;获取正样本标识符；根据所述正样本标识符对所述正样本权重进行平;根据基础分类损失函数计算得到基础分类损失，根据基础边界3;得分计算模块，用于根据分类标签与所述分类输出结果计算每个训练样本的分类得联合优化损失计算模块，用于根据所述分类得分与所述边界9.一种计算机设备，包括存储器和处理器，所述存储器存被处理器执行时实现权利要求1至7中任一项所述小目标检测的联合优化4的高效训练成为可能，从而带来了精度上的大幅提升。最近提出的检测器，如Co_DETR和MoCaE在MSCOCO2017数据集上展现了最先进的法大多仅专注于分类损失和回归损失其中之一，例如FocalLoss只改进了分类损失函数，所述边界框回归输出结果计算每个训练样本的边界框回归根据所述正样本权重与所述负样本权重得到5优化训练模块，用于通过所述联合优化损失反向传播给所述检测器进行优化训器执行所述计算机程序时实现所述小目标检测的联合优被处理器执行时实现所述小目标检测的联合优化6框与边界框回归输出结果计算每个训练样本的边界框回如交叉熵损失函数（CrossEntropyLoss）、FocalLoss，以及边界框回归损失函数L17[0026]在步骤202的具体实时过程中，训练样本集中的目标标注数据包括分类标签和真值框。通过分类标签与分类输出结果计算每个训练样本的分类得分scls，通过真值框与边界框回归输出结果计算每个训练样本的边界框回归得分slo[0027]在步骤203的具体实时过程中，根据分类得分与边界框回归得分，计算正样本权;;fas和边界框回归损失函数fo分别得到第i个训8测效果以及在此基准检测器上应用本发明提出的小目标检测的联合优化方法之后的检测9行为使用一阶段基于锚框的目标检测器的检测结果，第10行至第13行为使用无锚框的检9[0040]虽然本实施例图1中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或基于实施例1中小目标检测的联合优化方法，本实施例公开了一种小目标检测的[0042]得分计算模块402用于根据分类标签与分类输出结果计算每个训练样本的分类得[0043]联合优化损失计算模块403用于根据分类得分与边界框回归得分，计算正样本权[0044]优化训练模块404用于通过联合优化损失反向传播给检测器进行优化训练，得到通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论