[发明专利]一种基于归一化角点距离和目标前景信息的目标检测方法

说明书

本发明提出一种基于归一化角点距离和目标前景信息的目标检测方法，包括：一、获取训练图像样本和待测图像样本，在训练图像中标注边界框；二、获取边界框的位置及信息；三、计算预测框和目标框的中心点之间的欧氏距离；四、计算预测框和目标框的重叠区域面积；五、计算预测框的面积；六、计算目标框的面积；七、计算预测框和目标框的合并区域面积；八、计算预测框和目标框四个角点之间对应的欧氏距离；九、预测框和目标框的最小闭包矩形区域；十、计算预测框和目标框的交并比；十一、计算归一化角点距离和目标前景信息的边界框损失函数，十二、基于边界框损失函数进行目标检测，本发明能较佳地进行目标检测。

技术领域

本发明涉及目标检测技术领域，涉及一种基于归一化角点距离和目标前景信息的目标检测方法。

背景技术

边界框回归是目标检测中的重点，是直接决定目标定位性能的关键一环。特别的是，性能良好的边界框回归损失函数对缓解目标漏检问题起到很大作用。CFIoU损失是一种衡量预测边界框与真实边界框拟合程度的损失函数，相比于传统的IoU损失函数及其衍生版本，CFIoU损失的作用范围更加全面，其可以解决已有的IoU损失函数在中心点重合、两边框的宽高比相同、前景与背景信息判断模式等方面表现出的拟合效果差的问题。该损失可以广泛应用于目标检测算法(如YOLO系列算法和RCNN系列算法等)中的边框回归问题，以提高模型的精度和鲁棒性，从而在实际应用中取得更好的效果。

目前，在目标检测方法中，基于IoU(Intersection over Union)及其衍生版本的边界框回归损失函数应用较为广泛，主要包含IoU损失、GIoU损失、DIoU损失、CIoU损失和EIoU损失。随着不断的改进，这几类损失函数的应用场景越来越广泛。但是，通过研究发现，这几类边界框回归损失函数存在以下两个主要的问题：

(1)基于IoU的衍生版本过度依赖于两框归一化中心点距离从而产生退化问题：

当预测框与目标框存在包含关系时，GIoU会退化为IoU；当预测框与目标框存在包含关系且两边框的中心点重合时，GIoU和DIoU退化为IoU；当预测框与目标框存在包含关系且两边框中心点重合，同时两边框的宽高比相同时，GIoU、DIoU和CIoU退化为IoU。

(2)基于IoU及其衍生版本的边界框损失函数在回归过程中无法区分不同预测框与目标框的相对位置，无法对包含更多背景信息的预测框作出更大力度的惩罚，这也导致损失函数(IoU损失、GIoU损失、DIoU损失、CIoU损失和EIoU损失)忽略了目标前景信息的利用。

发明内容

本发明的内容是提供一种基于归一化角点距离和目标前景信息的目标检测方法，其能够避免两边框中心点重合时所造成的IoU衍生版本的退化问题。

根据本发明的一种边界框回归损失函数的计算方法，其包括以下步骤：

一、获取训练图像样本和待测图像样本，在训练图像中标注边界框；

二、获取边界框的位置及信息：预测框P＝(x^p,y^p,w^p,h^p)，目标框T＝(x^t,y^t,w^t,h^t)；其中，(x^p,y^p)表示预测框P的中心点坐标，w^p,h^p分别表示预测框P的宽、高；(x^t,y^t)表示目标框T的中心点坐标，w^t,h^t分别表示目标框T的宽、高；

三、计算预测框P和目标框T的中心点之间的欧氏距离d；

四、计算预测框P和目标框T的重叠区域面积A_Inter；

五、计算预测框P的面积A_p；