廈門大學曹劉娟獲國家專利權
買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!
龍圖騰網獲悉廈門大學申請的專利一種基于加權得分標簽分配的小目標檢測方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN117115412B 。
龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202311121368.9,技術領域涉及:G06V10/20;該發明授權一種基于加權得分標簽分配的小目標檢測方法是由曹劉娟;王思偉;陳志威;紀榮嶸設計研發完成,并于2023-09-01向國家知識產權局提交的專利申請。
本一種基于加權得分標簽分配的小目標檢測方法在說明書摘要公布了:一種基于加權得分標簽分配的小目標檢測方法,涉及計算機視覺。將預處理后待檢測的圖片及其對應的類別送入神經網絡;對圖片特征提取和特征融合,根據特征篩選樣本框送入加權得分標簽分配模塊中;加權得分標簽分配為樣本框根據加權得分分配正標簽和負標簽;模型訓練過程中輸出待圖片中檢測目標對應每一個類別的概率數值。測試過程中輸出待檢測圖片預測的框的坐標、類別、得分。標簽分配過程發生在模型訓練之前,加權得分在原有的IoU分數的基礎上引入兩個完全解耦的得分。有效緩解IoU得分對大物體的傾斜問題,使模型更好地檢測到小目標,同時也保證樣本框的質量。在DOTA和HRSC2016數據集上實驗,實現顯著和一致的性能改進。
本發明授權一種基于加權得分標簽分配的小目標檢測方法在權利要求書中公布了:1.一種基于加權得分標簽分配的小目標檢測方法,其特征在于包括如下步驟: 步驟1,對待檢測的圖片進行預處理,將預處理后待檢測的圖片及其對應的圖片級別的標簽送入神經網絡; 步驟2,神經網絡對圖片進行特征提取和特征融合,根據特征篩選樣本框; 步驟3,采用基于加權得分的標簽分配方式WSLA為樣本框分配正標簽和負標簽; 所述基于加權得分的標簽分配方式WSLA包括如下步驟: 步驟a1,對每一個樣本框,根據下面的公式計算它與所有真實框的IoU得分SIoU: 其中,A表示樣本框所占的區域,B是一個維度與真實框數目相等的向量,向量中的每個元素代表對應的真實框所占的區域; 步驟a2,對每一個樣本框,根據下面的公式計算它與所有真實框的中心距離得分Sd: d=||xg,yg,xp,yp||2 其中,xg,yg表示所有真實框中心點的橫縱坐標,xp,yp表示樣本框中心點的橫縱坐標,表示最大最小歸一化操作,表示歸一化轉換函數,該函數的作用是將得分轉換到與SIoU相同的分布上,其具體形式為: 步驟a3,對每一個樣本框,根據下面的公式計算它與所有真實框的形狀尺寸得分Ss: 其中,wg,hg表示所有真實框的寬高,wp,hp表示樣本框的寬高,表示歸一化轉換函數,其形式與步驟a2中計算中心距離得分所用的函數一致; 步驟a4,對每一個樣本框得到的IoU得分SIoU、中心距離得分Sd、形狀尺寸得分Ss進行加權,每個樣本框都會得到關于每一個真實框的加權得分S: w=1+α+β 其中,α和β都是超參數,S={S1,S2,…,Sk,…,Sn},Sk對應該樣本框與第k個目標的真實框的加權得分,n為真實框總數; 步驟a5,根據預先設定好的正負樣本閾值,與加權得分S進行比較;若Sk高于正樣本閾值,則該樣本框被分為第k個目標的正樣本,若S的所有元素均低于負樣本閾值,則該樣本框被分為負樣本,否則該樣本框被分為忽略樣本; 步驟4,模型根據WSLA分配的正負樣本進行訓練,在訓練過程中輸出待檢測圖片對應每一個類別的概率數值,在測試過程中輸出待檢測圖片預測的框的坐標、類別、得分。
如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人廈門大學,其通訊地址為:361005 福建省廈門市思明區思明南路422號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。