申请/专利权人：西安交通大学

申请日：2022-01-27

公开（公告）日：2024-03-08

公开（公告）号：CN114429577B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/72;G06V10/762;G06V10/764;G06V10/766;G06V10/82;G06N3/0464;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2022.05.20#实质审查的生效;2022.05.03#公开

摘要：一种基于高置信标注策略的旗帜检测方法及系统及设备，通过不同目标旗帜的核心特征信息来检测图片中的旗帜。第一，采集相关旗帜图片；第二，扩充不平衡的旗帜类别图片；第三，构建核心特征标注标准；第四，构建为完整数据集；第五，利用所构建的数据集训练有监督的旗帜检测模型；最后，检测模型对未知图片中旗帜的识别。本发明利用核心特征标注准则对目标旗帜核心特征信息进行标注，更好地获取了目标旗帜核心特征信息，提高了标注样本的置信度，提升模型对不同旗帜图片类别的检测能力，较好解决了图片中遮挡旗帜及形变旗帜的识别，同时利用有效的数据增强方法处理数据类别不平衡问题，具有高召回、强鲁棒、效率高等优点。

主权项：1.一种基于高置信标注策略的旗帜检测方法，其特征在于，包括以下步骤：步骤1，旗帜图片采集：以互联网媒体网站为数据源，利用API接口对k种不同类型旗帜图片进行爬取，得到由n张旗帜图片组成的图片数据集步骤2，不平衡样本数据增强：对于样本数量小于100的旗帜类别，进行数据增强操作，生成与其他种类旗帜样本数目近似的扩充样本并加入图片数据集；步骤3，高置信度样本标注：针对旗帜图片中存在的遮挡及形变，对收集到的k种旗帜确定每种类型旗帜的核心特征，针对所述核心特征，确定核心特征标注标准；步骤4，目标旗帜核心特征标注：利用标注工具，依据步骤3中高置信度样本标注策略对目标旗帜核心特征区域进行标注并注明所属旗帜类别，得到图片的标签向量Yi＝{ai,bi,wi,hi,c}，其中ai，bi为核心特征标注区域的中心点坐标，wi，hi为核心特征标注区域的宽度和高度，c为该核心特征区域所属的旗帜类别；将所有图片的标签向量加入步骤2中的数据集，并按照8：2的比例划分训练集验证集，构建为完整的旗帜检测数据集；步骤5，旗帜检测模型建立：从步骤4所构建的数据集中抽取训练样本，输入YOLOv3目标检测模型，构建和训练有监督的旗帜检测模型；步骤6，旗帜检测：对于需要识别的图片p，输入到步骤5中训练好的检测模型中，判断其中是否包含目标旗帜并确定旗帜类别和旗帜位置；步骤3确定旗帜高置信度样本标注中：首先，对比数据集中所有类型旗帜，确定每种目标旗帜最具区分性的区域即为该目标旗帜的核心特征，若无明显核心特征，则将完整旗帜区域作为核心特征；其次，构建旗帜高置信度样本标注策略：当目标旗帜的核心特征展示完整，在保证核心特征被覆盖完整的情况下使用尽可能小的标注框进行标注，对旗帜的非核心特征区域不予标注；当目标旗帜核心特征出现形变，对形变区域进行正常标注；当目标旗帜核心特征被遮挡，若核心特征被遮挡超过一半，则不予以标注，否则进行标注；步骤3中，核心特征标注标准包括标注的位置、覆盖范围及形变遮挡异常情况处理。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于高置信标注策略的旗帜检测方法及系统及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD