(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210724738.7 (22)申请日 2022.06.23 (71)申请人 广西大学 地址 530005 广西壮 族自治区南宁市西乡 塘区大学东路10 0号 (72)发明人 蔡启明　杨蓉　张政林　 (74)专利代理 机构 广西中知华誉知识产权代理 有限公司 45140 专利代理师 梁秀新 (51)Int.Cl. G06V 10/25(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/762(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) (54)发明名称 一种锚框参与训练的目标检测方法及装置 (57)摘要 本发明提供一种锚框参与训练的目标检测 方法， 包括以下步骤： 对输入的图像进行区域判 定， 确定图像中产生锚点的位置， 并为各个锚点 分配尺寸相同的锚框； 在每次迭代训练中， 计算 各个锚框与待检测目标标注框 之间的交并比， 交 并比大于设定阈值的锚框被指定用于检测目标； 一轮迭代训练完成后， 统计每个锚框的利用率， 将利用率低于设定阈值的锚框定义为冗余锚框， 并对冗余锚框的尺寸进行重新设定； 否则计算锚 框尺寸对整体损失的梯度， 并基于所述梯度对锚 框尺寸进行更新； 使用更新后的锚框对目标检测 模型进行迭代训练得到训练好的目标检测模型； 利用训练好的目标检测模型进行目标检测。 其能 够避免在图像区域出现大量冗余锚框， 提高目标 检测的精度。 权利要求书1页 说明书5页 附图1页 CN 115205519 A 2022.10.18 CN 115205519 A 1.一种锚框参与训练的目标检测方法， 其特 征在于， 包括以下步骤： S1， 对目标检测模型进行迭代训练的起始， 对输入的图像进行区域判定， 确定图像 中产 生锚点的位置， 并为各个锚点分配尺寸相同的锚框； S2， 在每次目标检测模型进行迭代训练的过程中， 计算各个锚框与待检测目标标注框 之间的交并比， 交并比大于设定阈值的锚框被指定用于检测目标； S3， 一轮迭代训练完成后， 统计每个锚框的利用率， 将利用率低于设定阈值的锚框定义 为冗余锚框， 并对冗余锚框的尺寸进 行重新设定； 对利用率不低于 设定阈值的锚框， 计算锚 框尺寸对整体损失的梯度， 并基于所述梯度对 锚框尺寸进行 更新； S4， 使用更新后的锚框重复步骤S2 ‑S4对目标检测模型进行迭代训练， 直至所述整体损 失收敛， 得到训练好的目标检测模型； S5， 利用训练好的目标检测模型对待检测图片进行目标检测。 2.如权利要求1所述的锚框参与训练 的目标检测方法， 其特征在于， 所述的整体损失包 括置信度损失、 类别损失和边界框损失， 步骤S3中使用梯度下降法计算锚框尺寸对整体损 失的梯度。 3.如权利要求1所述的锚框参与训练的目标检测方法， 其特征在于， 步骤S3 中基于所述 梯度对锚框尺寸进 行更新方法为： 人为设定更新步长， 根据梯度下降法所计算的偏导数， 使 锚框的尺寸减去所述更新 步长与所述偏导数的乘积， 得到更新后的锚框尺寸。 4.如权利要求1所述的锚框参与训练 的目标检测方法， 其特征在于， 所述锚框的利用率 为该锚框在一轮迭代训练中参与训练的次数。 5.如权利要求1所述的锚框参与训练 的目标检测方法， 其特征在于， 对冗余锚框的尺寸 进行重新设定的方法为： 统计每次迭代训练中， 与该锚框交并比最大 的待检测目标 的实际 边界框尺寸， 将统计好的实际边界框尺 寸放到一个集合中进行K ‑means聚类， 聚类所得结果 即为该锚框在下一轮训练中的尺寸。 6.如权利要求1所述的锚框参与训练的目标检测方法， 其特征在于， 在步骤S5的目标检 测过程中， 目标检测模型为每个锚框预测一个偏移 量， 包括尺寸偏移 量和位置偏移 量， 各锚 框的坐标及尺寸加上偏移量得到一个预测的边界框； 得到预测边界框的同时， 还为每个边 预测界框预测出一类别向量和一存在目标的概率， 类别向量用于负责预测该预测边界框中 存在哪个类别的目标， 存在目标的概率用于预测每个预测边界框中存在待检测目标的概 率； 将存在目标的概率大于某阈值的锚框筛选出来， 用NMS算法合并属于同一目标的预测边 界框。 7.一种锚框参与训练的目标检测装置， 其特征在于， 包括处理器以及存储器， 所述存储 器上存储有计算机程序， 所述计算机程序被所述处理器执行时， 实现如权利要求 1‑6任一所 述的锚框参与训练的目标检测方法。 8.一种计算机存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机该程序被处 理器执行时， 实现如权利要求1 ‑6任一所述的锚框参与训练的目标检测方法。权　利　要　求　书 1/1 页 2 CN 115205519 A 2一种锚框参与训练 的目标检测方法及装置 技术领域 [0001]本发明涉及目标检测技术领域， 具体涉及 一种锚框参与训练的目标检测方法及装 置。 背景技术 [0002]目标检测的任务是找出图像中所有感兴趣的目标(物体)， 确定它们的位置和大 小， 是机器视觉领域的核心问题之一。 在目标检测任务中， 算法的效果常常会受到多种因素 的影响， 而多尺度问题， 即识别图像中不同区域、 不同大小的目标， 则是我们在目标检测中 通常遇到的一个难题。 目前流行 的目标检测系统中， 往往使用锚框尺寸作为预设尺寸并进 行修正的方法， 来 提高对目标边界框的检测精度。 [0003]锚框尺寸的设定于检测精度的提升至关重要， 主流的方法为将实际边界框尺寸进 行聚类而得， 或者人工 设置若干尺寸， 将这些锚框 设置在图像中的各个锚点上， 所以每个锚 点上设置的锚框都相同。 但实际上这造成锚框 设定的冗余， 如将一个用于检测极大、 极宽目 标的锚框设置在图像最左侧 边缘， 那么这个锚框实际上永远也不可能被利用， 因为不会有 极大、 极宽的目标中心点出现在图像的最左侧， 大量冗余锚框的存在会导致负样本数量过 多， 致使检测精度降低。 发明内容 [0004]针对上述背景技术中提出的问题， 本发明提供一种避免在图像各个区域出现大量 冗余锚框的锚框参与训练的目标检测方法。 [0005]为达到上述目的， 本发明所采用的技 术方案是： [0006]一种锚框参与训练的目标检测方法， 包括以下步骤： [0007]S1， 对目标检测模型进行迭代训练的起始， 对输入的图像进行区域判定， 确定图像 中产生锚点的位置， 并为各个锚点分配尺寸相同的锚框； [0008]S2， 在每次对目标检测模型进行迭代训练的过程中， 计算各个锚框与待检测目标 标注框之间的交并比， 交并比大于设定阈值的锚框被指定用于检测目标； [0009]S3， 一轮迭代训练完成后， 统计每个锚框的利用率， 将利用率低于设定阈值的锚框 定义为冗余锚框， 并对冗余锚框的尺 寸进行重新设定； 对利用率不低于 设定阈值的锚框， 计 算锚框尺寸对整体损失的梯度， 并基于所述梯度对 锚框尺寸进行 更新； [0010]S4， 使用更新后的锚框重复步骤S2 ‑S4对目标检测模型进行迭代训练， 直至所述整 体损失收敛， 得到训练好的目标检测模型； [0011]S5， 利用训练好的目标检测模型对待检测图片进行目标检测。 [0012]进一步地， 所述的整体损失包括置信度损失、 类别损失和边界框损失， 步骤S3中使 用梯度下降法计算锚框尺寸对整体损失的梯度。 [0013]进一步地， 步骤S3中基于所述梯度对锚框尺寸进行更新方法为： 人为设定更新步 长， 根据梯度下降法所计算的偏导数， 使锚框的尺寸减去所述更新步长与所述偏导数 的乘说　明　书 1/5 页 3 CN 115205519 A 3