您所在的位置: 成果库 基于Libra-RCNN和椭圆形状特征的图像中目标检测方法及系统

基于Libra-RCNN和椭圆形状特征的图像中目标检测方法及系统

发布时间: 2024-08-07

来源: 试点城市(园区)

基本信息

合作方式: 技术服务
成果类型: 发明专利
行业领域:
电子信息技术
成果介绍
本发明涉及一种基于Libra-RCNN和椭圆形状特征的图像中目标检测方法及系统,该方法包括以下步骤:S1、输入训练集中图像并进行预处理;S2、基于Libra-RCNN架构设置骨干网络模型信息;S3、通过矩形框标签构建椭圆框标签,并计算椭圆交并比IoU;S4、计算椭圆锚框的长短轴及角度;S5、设置分类损失函数、回归损失函数和角度损失函数;S6、设置不同尺度输出后的Head部分;S7、设置Libra-RCNN的采样策略为IoU最大值采样策略,并设置相应的IoU阈值;S8、生成网络模型,并通过训练集图像训练网络模型,得到训练好的网络模型;S9、通过训练好的网络模型检测图像,得到目标的相应位置和目标类别。该方法及系统有利于提高对于具有椭圆形状特征目标的检测精度。
成果亮点
一种基于Libra-RCNN和椭圆形状特征的图像中目标检测方法,其特征在于,包括以下步骤:S1、输入训练集中图像并进行预处理;S2、基于Libra-RCNN架构设置骨干网络模型信息;S3、通过矩形框标签构建椭圆框标签,并计算椭圆交并比IoU;S4、计算椭圆锚框的长短轴及角度;S5、设置分类损失函数、回归损失函数和角度损失函数;S6、设置不同尺度输出后的Head部分;S7、设置Libra-RCNN的采样策略为IoU最大值采样策略,并设置相应的IoU阈值;S8、生成网络模型,并通过训练集图像训练网络模型,得到训练好的网络模型;S9、通过训练好的网络模型检测图像,得到目标的相应位置和目标类别;所述步骤S2中,骨干网络采用平衡特征金字塔模型,设置2M层不同尺度输出,特征从底层传递到高层,又从高层传送回底层,分别记为C-1,C-2,…,C-(2M);所述平衡特征金字塔具有融合模块和特征提取模块,所述融合模块将C-1到C-(2M)统一缩放到C-(M+1)尺度,通过加权相加取平均得到一张融合后的特征图,将该特征图作为特征提取模块的输入
团队介绍
福建大学信息学研究和软件开发团队是由多名软件开发经验丰富的教师和学生组成,目前取得软件著作权80多项。福州大学(Fuzhou University),简称福大,位于福建省福州市,创建于1958年,是国家“双一流”建设高校,国家“211工程”建设高校,国家教育部、国家国防科技工业局与福建省人民政府共建高校,福建省三所重点建设的高水平大学之一,福建省一流大学建设高校。
成果资料