申请/专利权人:中国科学院计算技术研究所
申请日:2024-01-08
公开(公告)日:2024-03-19
公开(公告)号:CN117726878A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06V10/82;G06V20/00;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明提供一种用于全景图像目标检测模型的训练方法以及目标检测方法,目标检测模型采用经过全景数据适配的RetinaNet检测模型;训练方法包括:将训练样本中的全景图像输入至目标检测模型,输出多个预测框及其参数;根据训练样本中全景图像对应的真实框及其参数,计算预测框与真实框的交并比,作为第一交并比;其中,预测框与真实框为球面框;将第一交并比大于第一设定阈值的预测框作为正样本,并基于正样本对应的交并比计算目标检测模型的损失函数;根据损失函数更新目标检测模型的参数,直至目标检测模型收敛。本发明的训练过程可以快速分配正负样本进而提高模型的训练速度和训练后模型的性能。
主权项:1.一种用于全景图像的目标检测模型的训练方法,所述目标检测模型采用经过全景数据适配的RetinaNet检测模型;其中,包括:将训练样本中的全景图像输入至所述目标检测模型,输出多个预测框及其参数;根据所述训练样本中全景图像对应的真实框及其参数,计算所述预测框与所述真实框的交并比,作为第一交并比;其中,所述预测框与所述真实框为球面框;将所述第一交并比大于第一设定阈值的预测框作为正样本,并基于所述正样本对应的交并比计算所述目标检测模型的损失函数;根据所述损失函数更新所述目标检测模型的参数,直至所述目标检测模型收敛。
全文数据:
权利要求:
百度查询: 中国科学院计算技术研究所 用于全景图像目标检测模型的训练方法以及目标检测方法
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。