[发明专利]一种目标样本标签的分配方法

说明书

本发明公开了图像检测领域的一种目标样本标签的分配方法，根据图像中的目标中心点确定初始标签区域；利用网络模型生成预选锚点，初步筛选出初始标签区域内的锚点；使用分类损失函数和位置回归损失函数计算每个锚点的分类损失值和位置回归损失值，将分类损失值和位置回归损失值按照相应权重累加，得到各锚点的总损失值；根据总损失值选取最终锚点，对选取的最终锚点进行标签分配，通过选取高置信度的部分点做为锚点，减少模糊锚点的标签分配，为图像中所有目标找到高置信度分配方式，同时，能减少检测系统训练时间，避免了添加额外的参数，有效提升检测系统的性能。

技术领域

本发明属于图像检测技术领域，具体涉及目标样本标签的分配方法。

背景技术

随着汽车电动化智能化进程的不断深入，国民的期望值提升，软件改变了汽车属性，自动驾驶的不断进化逐步解放了驾驶员的注意力，直至完全摆脱人工干预，车辆也由单纯的出行工具变成了移动私人空间。而自动驾驶的实现主要依靠各种传感器对车辆周围环境进行感知，通过目标检测，识别与跟踪等处理技术来评估危险性。

现阶段比较流行目标检测算法都通过预测一组预定义锚点的分类标签进行目标检测，例如一些方法采用固定中心点加角点的规则分配每个锚点所处的目标对象或背景，这种静态策略会存在一个问题，它会导致对于具有不同大小、形状或遮挡条件的目标对象的锚点划分边界会有所不同。对于单个目标的也就有很多不同置信度的锚点，远离目标中心的点置信度越低，由于目标的大小、重叠，框的贴合度等问题，经常出现一些模棱两可的锚点类别。

发明内容

本发明的目的在于提供一种目标样本标签的分配方法，通过选取高置信度的部分点做为锚点的标签，减少模糊锚点的标签分配，为图像中所有目标找到高置信度分配方式。

为达到上述目的，本发明所采用的技术方案是：

本发明提供了一种目标样本标签的分配方法，包括：

根据图像中的目标中心点确定初始标签区域；

提取图像的特征图信息，然后在特征图的每一特征点上生成预选锚点，初步筛选出初始标签区域内的锚点；

使用分类损失函数和位置回归损失函数计算初始标签区域内的每个锚点的分类损失值和位置回归损失值，将分类损失值和位置回归损失值按照相应权重累加，得到各锚点的总损失值；

根据各锚点的总损失值选取最终锚点；

对选取的最终锚点进行标签分配。

优选的，所述图像的两个对角点分别为(tl_x，tl_y)和(br_x，br_y)；所述初始标签区域的两个对角点分别为(ctl_x，ctl_y)和(cbr_x，cbr_y)；所述图像的两个对角点与所述初始标签区域的两个对角点的关系为：

其中n为调整初始标签区域大小的参数。

优选的，所述分类损失函数为：

其中，a是锚点预测的概率值；锚点的标记为目标时，y为1，否则，y为0；x是所属分类下各锚点,n'为所属分类下锚点的数量。

优选的，假设锚点的预测框为A，锚点的标注框为B，位置回归损失函数为：

其中IoU为预测框A与标注框B的交并比,代表A与B中心点之间的欧几里得距离，c为A与B之间最小外接矩形测对角线的长度，v表示A与B之间长宽比的距离，α是权重系数。

优选的，v的计算公式为：