您所在的位置: 成果库 基于混合高斯损失函数的图像目标检测方法

基于混合高斯损失函数的图像目标检测方法

发布时间: 2022-11-16

基本信息

合作方式： 技术服务
成果类型： 发明专利
行业领域：
新一代信息技术产业,人工智能
成果介绍
本发明涉及图像智能处理的技术领域，特别涉及基于混合高斯损失函数的图像目标检测方法。现有的图像目标检测方法所检测的图像主要为水平拍摄的透视场景图像，其在实际应用中通常是基于水平框的深度学习目标检测方法来实现的。而对于利用无人机或者光学遥感拍摄得到的车辆、房屋、桥梁等俯视拍摄得到的航拍图像，这类图像中的待检测目标通常与横轴方向呈一定夹角，这使得待检测目标不仅包含长度和宽度等信息，还包括待检测目标在图像中的角度信息。现有的基于水平框的深度学习目标检测方法并不能全面地和有效地估计图像中待检测目标对应的旋转框的长度、宽度和角度，从而降低对图像中待检测目标进行角度检测的准确性和可靠性。
成果亮点
针对现有技术存在的缺陷，本发明提供基于混合高斯损失函数的图像目标检测方法，其通过获取待检测图像，基于预设训练样本构建关于该待检测图像的旋转框的采样数据库，并对该采样数据库进行数据增强处理，再基于混合高斯模型的损失函数，构建相应的深度神经网络模型，并对经过数据增强处理后的采样数据库进行数据分析，再利用该数据分析的结果，初始化该深度神经网络模型的参数，最后对该深度神经网络模型的参数进行训练优化，并将统一格式后的该待检测图像输入至该深度神经网络模型进行非极大值抑制处理，从而得到关于该旋转框的长度、宽度和旋转角度中的任意一者；可见，该基于混合高斯损失函数的图像目标检测方法能够基于预设训练样本构建关于所述待检测图像的旋转框的采样数据库，并对所述采样数据库进行数据增强处理，并且还能够基于混合高斯模型的损失函数，构建相应的深度神经网络模型，并对经过数据增强处理后的采样数据库进行数据分析，最后对所述深度神经网络模型的参数进行训练优化，并将统一格式后的所述待检测图像输入至所述深度神经网络模型进行非极大值抑制处理，从而得到关于所述旋转框的长度、宽度和旋转角度中的任意一者，其能够对包含角度信息的待检测图像进
团队介绍
现有员工20人左右，研发人员占比80%，其中主创团队分别是联合创始人/CEO于亚楠，毕业于哈尔滨工业大学，原任职于上港集团、地中海邮轮公司，从事港口信息化、行政管理、市场营销、研发管理超过15年相关经验；联合创始人/副总经理苗伟，原任职于摩托罗拉、新加坡MIT、新特克自动化担任设备、自动化和技术管理负责人。从事工程和自动化方面经验超过20年；联合创始人/CTO孟蜀锴 博士，上海大学图像与模式识别方向博士，从事模式识别、视频安防、图像检测方面超过13年工作经验，最早开展中国图像算法研究的专家之一。
成果资料