公开(公告)号：CN109977797A

公开(公告)日：2019-07-05

申请号：CN201910167340.6

申请日：2019-03-06

Applicant: 上海交通大学

Inventor： 林巍峣 ,  陈柯安

IPC: G06K9/00 ,  G06K9/62 ,  G06T7/73

Abstract: 一种基于排序损失函数的一阶目标检测器的优化方法，首先在二维图像上预定义密集的检测框，根据检测框与目标框的交并比为每个检测框分配标签，并将待检测图片输入一阶目标检测器，得到每个检测框中的目标置信度分数和精确框的预测，通过基于误差驱动的更新方法对一阶目标检测器进行训练，从而实现检测器的优化检测。本发明解决了检测器训练中正负样本不均衡的问题，且具有出色的泛化性能，所采用的更新算法能够应对目标函数不连续的特性，且在非凸条件下也有出色的优化效果。优化后的目标检测器能够不依赖于特定参数的选取，在COCO目标检测数据集上达到42.1mAP的检测效果。

公开(公告)号：CN109977797B

公开(公告)日：2023-06-20

申请号：CN201910167340.6

申请日：2019-03-06

Applicant: 上海交通大学

Inventor： 林巍峣 ,  陈柯安

IPC: G06V20/10 ,  G06V10/764 ,  G06T7/73

Abstract: 一种基于排序损失函数的一阶目标检测器的优化方法，首先在二维图像上预定义密集的检测框，根据检测框与目标框的交并比为每个检测框分配标签，并将待检测图片输入一阶目标检测器，得到每个检测框中的目标置信度分数和精确框的预测，通过基于误差驱动的更新方法对一阶目标检测器进行训练，从而实现检测器的优化检测。本发明解决了检测器训练中正负样本不均衡的问题，且具有出色的泛化性能，所采用的更新算法能够应对目标函数不连续的特性，且在非凸条件下也有出色的优化效果。优化后的目标检测器能够不依赖于特定参数的选取，在COCO目标检测数据集上达到42.1mAP的检测效果。