CN113887605B 形状自适应的旋转目标检测方法、系统、介质及计算设备 （中国科学院大学）

本发明涉及一种形状自适应的旋转目标检算得到的正样本的质量作为损失的加权并计算自适应物体形状信息来动态选择正负样本并对2获取目标检测网络的物体的输入图像及标签，并通过骨架特征将计算得到的正样本的质量作为损失的加权并计算损失，输入待检测的目标图像，通过训练得到的权重预测待检测图像中的所需检测的目标，所述计算分配为正的所述样本的质量，采用所述将计算得到的正样本的质量作为损失的加权并计算损失计算所述交并比值的均值和方差以及每个目标计算每个目标动态的交并比阈值，通过所述交并比阈值所述输入模块，用于获取目标检测网络的物体的输入图像及标签，3所述正样本质量计算模块，为所述样本分配正负标签，计算分配为正所述训练模块，将计算得到的正样本的质量作为损失的加权并计算损所述识别模块，用于将输入待检测的目标图像，通过训练得到的6.一种存储一个或多个程序的计算机可读存或多个程序包括用于执行如权利要求1至4所述4[0001]本发明涉及计算机视觉领域，特别是关于一种形状自适应的旋转目标检测方法、[0002]对物体进行识别和定位是计算机视觉一项重要的任务之一，随着GPU硬件条件的目标之间的长宽比差别大的问题。目标之间长宽比差别大会造成在正负样本选取的困难，BetweenAnchor-BasedandAnchor-FreeDetectionviaAdaptiveTrainingSample标检测方法FasterRCNN(FasterRCNN(S.Ren,K.He,R.GirshickandJ.Sun,"FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks,"inIEEETransactionsonPatternAnalysisandMachineIntelligence,vol.39,no.6,56[0022]一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指测性能，能自适应物体形状信息来动态选择正负样本并对选取的正样本的质量进行估计，7[0036]在本发明的一个实施例中，如图1所示，提供一种形状自适应的旋转目标检测方8[0055]ω为调整权重的参数，并根据经验默认设置为4。候选预测框j与真值框i之间的[0065]损失计算采用多任务损失函数形式，以两阶段的级联目标检测方法RepPoints9[0081]本实施例基于深度学习的无锚框类型的目标检模型RepPoints，结合本发明提出的动态形状自适应正负样本选择方法、形状自适应正样本衡量方法和边界中心损失函数。目标检测模型的整体结构包含骨干特征提取网络，初始检测子网络和精修检测检测子网络，目标用点集表示，第一阶段输出初始的预测点集之后，使用JarvisMarch(Jarvis1973)算法将点集转换为凸壳。本发明提出的形状自适应选择方法根据物体的形状动态选拍图像DOTA数据集(ALarge-scaleDatasetforObjectDetectioninAerialIma[0084]3)初始检测子网络的样本选取采用最近邻分配法，即选取离真值框最近的k个样[0088]在本实施例中，执行算法的硬件配置：CPU为英特尔i9，GPU为两张内存12G的[0090]为验证本发明所提方法的有效性和实用性，下面给出在DOTA数据集上的一个实例，表1为实例的在测试集上的检测结果，各类衡量标准为AP(AveragePrecision)，mAP为：plane(PL),baseballdiamond(BD),bridge(BR),groundtrackfield(GTF),smallstoragetank(ST),soccerballfield(SBF),roundabout(RA),harbor(HA),swimming提供环境。该通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件机可读存储介质存储服务器指令，该计算机指令使计算机执行上述各实施例提供的方法，现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0108]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设备上执行的指令提供用于实现在流程图一