【技术实现步骤摘要】
一种基于概率感知的检测器融合方法及系统
本专利技术涉及目标检测
,尤其涉及一种基于概率感知的检测器融合方法及系统。
技术介绍
目标检测是计算机视觉领域研究的热点之一,近年来在目标检测领域所取得的重大成果大多基于卷积神经网络的检测器模型,输出结果为位置信息,分类标签以及置信度,这些模型仅关注单个检测器模型优化,无法满足解决复杂的实际应用的需求。为满足实际应用,目前采用较多的方案是进行检测器融合。这些方案将来自不同检测器的检测框进行融合,常用方法为非极大值抑制(Non-MaximumSuppression,NMS)和Soft-NMS,将各检测器所得检测器按照置信度将检测框排序,将得分最高的检测框保留并利用提前设定的阈值将其余与其有重叠的框抑制或更新置信度。后来又提出Soft-NMS,与NMS不同的是,Soft-NMS不会将与被选中检测框重合度较高的检测框的置信度分数置为零,而是根据重合度的高低,将其置信度分数削减,重合度越高,削减幅度越大,再通过预先设置的阈值,选出结果较好的一部分检测框,而不是单纯地抑制重合度较高的检测框。尽管目前采用的检测器融合方法取得了一定的成效,但在融合之前,忽略了不同检测器之间的置信差异问题,即来自不同检测器具有相同置信度的检测框具有较大的预测质量差异问题。这种差异主要是由于在检测器的回归任务和分类任务重,前者利用的是目标的中心点坐标而后者利用的是目标的凸出部分,故而二者的特征侧重是不同的。置信度作为对检测框排序的重要指标,仅仅是对分类效果的反应,故置信度并不能全面地同时反 ...
【技术保护点】
1.一种基于概率感知的检测器融合方法,其特征在于,包括:/n获取若干个检测器的融合检测结果集合;/n将所述融合检测结果集合中的置信度等级与检测准确度概率等级设置为一致,获得所述融合检测结果集合的mAP最大期望值;/n基于所述mAP最大期望值,采用条件概率获得所述若干个检测器的检测框与检测目标匹配准确率。/n
【技术特征摘要】
1.一种基于概率感知的检测器融合方法,其特征在于,包括:
获取若干个检测器的融合检测结果集合;
将所述融合检测结果集合中的置信度等级与检测准确度概率等级设置为一致,获得所述融合检测结果集合的mAP最大期望值;
基于所述mAP最大期望值,采用条件概率获得所述若干个检测器的检测框与检测目标匹配准确率。
2.根据权利要求1所述的基于概率感知的检测器融合方法,其特征在于,所述将所述融合检测结果集合中的置信度等级与检测准确度概率等级设置为一致,获得所述融合检测结果集合的mAP最大期望值,之后还包括:
采用预设反证法对所述将所述融合检测结果集合中的置信度等级与检测准确度概率等级设置为一致进行验证。
3.根据权利要求2所述的基于概率感知的检测器融合方法,其特征在于,所述采用预设反证法对所述将所述融合检测结果集合中的置信度等级与检测准确度概率等级设置为一致进行验证,具体包括:
获取任一检测框的置信度排序值和检测值集合,其中所述检测值集合包括位置信息、置信度信息和类别信息;
确定第一数值和第二数值,设定所述第一数值对应的第一置信度和第一概率,以及所述第二数值对应的第二置信度和第二概率,分别设置所述第一置信度大于所述第二置信度以及所述第一概率小于所述第二概率;
确定所述第一数值对应的第一检测集合和所述第二数值对应的第二检测集合,得到所述第一检测集合和所述第二检测集合分别为预测准确和预测错误时的组合概率集合;
基于所述组合概率集合获得四种检测场景下的mAP组合期望值,所述组合期望值包括任一检测场景的概率和mAP期望的加权求和;
提取所述四种检测场景中的任意两种场景下的概率和mAP期望值,得到第一组合概率排序值,将所述任意两种场景的mAP期望值进行交换,得到第二组合概率排序值,得到所述第二组合概率排序值大于所述第一组合概率排序值,则验证通过。
4.根据权利要求1所述的基于概率感知的检测器融合方法,其特征在于,所述基于所述mAP最大期望值,采用条件概率获得所述若干个检测器的检测框与检测目标匹配准确率,包括:
基于位置信息和置信度信息获取任一检测框的检测准确度概率,采用统计概率估计所述检测准确度概率,得到统计概率估计值;
采用上置信界算法对所述统计概率估计值进行平衡处理,得到统计概率平衡处理结果;
基于排名感知策略优化所述统计概率平衡处理结果,并基于概率感知融合计算得到检...
【专利技术属性】
技术研发人员:张宝昌,毛明远,郭杰,吕金虎,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。