[发明专利]基于像素特征匹配的目标检测损失优化方法

权利要求书

1.基于像素特征匹配的目标检测损失优化方法，其特征在于，所述方法包括：

S1、将N×N的图像I输入特征提取模块提取特征，通过特征融合模块输出三个尺寸分别为N/8的特征图一、N/16的特征图二和N/32的特征图三，其中，所述N×N为以像素为单位的图像分辨率，所述特征提取模块为卷积神经网络，所述特征融合模块为对卷积神经网络浅层和深层特征进行融合的模块；

S2、将N/16和N/32尺寸的特征图分别经过上采样计算将特征图放大为N/8的尺寸，并与特征图一相加得到特征图E，其中，所述上采样计算为反卷积操作；

S3、通过对特征图E输入回归预测模块得到预测框的位置信息，并根据预测框和真实框的位置信息映射至特征图E上对应预测框和真实框的特征区域M和N，采用Dice距离评估M和N特征的差异D，其中，所述回归预测模块为由卷积构成用于预测目标的分类和框的位置信息；

S4、在图像I上分别提取预测框和真实框区域的直方图分布向量A'和B'，采用巴氏距离评估A和B的分布差异α；

S5、将α作为D的放缩系数完成目标检测模型训练过程中像素特征匹配损失的计算。

2.根据权利要求1所述的基于像素特征匹配的目标检测损失优化方法，步骤S2中将N/16和N/32尺寸的特征图分别经过上采样计算将特征图放大为N/8的尺寸，并与特征图一相加得到特征图E，其特征在于，包括：尺寸为N/16的特征图上采样两倍放大为N/8的尺寸，尺寸为N/32的特征图上采样4倍放大为N/8的尺寸，相加表示特征图元素对应位置相加。

3.根据权利要求1所述基于像素特征匹配的目标检测损失优化方法，步骤S3中根据预测框和真实框的位置信息映射至特征图E上对应预测框和真实框的特征区域M和N，采用Dice距离评估M和N特征的差异D，其特征在于，包括：

S31、根据预测框的位置信息，在特征图E中确定对应预测框的特征区域M，并拉伸为一维向量M'；

S32、根据真实框的位置信息，缩放至特征图一的尺寸并在特征图E中提取对应真实框的特征区域N，并拉伸为一维向量N'；

S33、采用Dice距离计算一维特征向量M'和N'的差异，计算公式如下：

其中，M'和N'分别为一维向量。

4.根据权利要求1所述基于像素特征匹配的目标检测损失优化方法，步骤S4中在图像I上分别提取预测框和真实框区域的直方图分布向量A和B，采用巴氏距离评估A和B的分布差异α，其特征在于，包括：

S41、根据预测框位置信息和真实框位置信息提取在输入图像I中对应区域；

S42、对提取的对应区域的R、G和B三个通道分别计算直方图信息，直方图信息包括区域内[0,255]的像素点的频数值，得到直方图分布向量A和B；

S43、采用巴氏距离评估分布向量A和B的差异α，计算公式如下：

其中，N为直方图的格子数，i表示直方图第i个格子。