公开(公告)号：CN114359742B

公开(公告)日：2022-09-16

申请号：CN202210274690.4

申请日：2022-03-21

Applicant: 济南大学

Inventor： 李忠涛 ,  袁朕鑫 ,  赵帅 ,  赵富 ,  马涛 ,  严冬 ,  姜琳琳 ,  肖鑫 ,  刘圣勇 ,  程文轩

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/75 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种优化小目标检测的加权损失函数计算方法，涉及图像识别目标检测领域。本发明在基于深度学习目标检测模型的基础上，针对小目标检测精度低的挑战，结合目标检测模型的输出预测框和真实框的匹配，对目标检测模型的预测框损失计算函数采用加权惩罚，提高目标检测模型对小目标的学习能力，提高目标检测的精度。相比增加模型参数和增强特征融合等方法，本发明在不提升模型参数量和不影响模型推理速度的条件下，提高图像识别中目标检测的精度，具备高效性。

公开(公告)号：CN114359742A

公开(公告)日：2022-04-15

申请号：CN202210274690.4

申请日：2022-03-21

Applicant: 济南大学

Inventor： 李忠涛 ,  袁朕鑫 ,  赵帅 ,  赵富 ,  马涛 ,  严冬 ,  姜琳琳 ,  肖鑫 ,  刘圣勇 ,  程文轩

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/75 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种优化小目标检测的加权损失函数计算方法，涉及图像识别目标检测领域。本发明在基于深度学习目标检测模型的基础上，针对小目标检测精度低的挑战，结合目标检测模型的输出预测框和真实框的匹配，对目标检测模型的预测框损失计算函数采用加权惩罚，提高目标检测模型对小目标的学习能力，提高目标检测的精度。相比增加模型参数和增强特征融合等方法，本发明在不提升模型参数量和不影响模型推理速度的条件下，提高图像识别中目标检测的精度，具备高效性。