【技术实现步骤摘要】
本专利技术涉及图像目标识别，尤其涉及一种目标定位模型的训练方法。
技术介绍
1、对于目标的识别和计数在很多方面都有极其重要的作用，例如人群、牛群、鱼群等群体中个体目标的识别与统计。现有技术中，常见的计数方法多采用机器视觉和深度学习算法，先对群体中个体目标进行识别，这种识别的输出多为个体目标的检测框，然后再统计识别到的检测框的数量来进行数量统计。
2、上述这些方法在某些情况下能够很好的进行识别和计数，但是对于一些遮挡、重叠、目标尺度大小差异过大的目标，并不能很好的适用。例如对于鱼群而言，由于鱼类目标大小差异大，而且在水中游动比较快速，且常聚集在一起，易造成遮挡和重叠，采用现有的方案很难准确的进行鱼类目标的定位和统计。因而急需要训练出一种合适的目标定位模型来对目标进行定位和识别。
技术实现思路
1、鉴于以上现有技术的缺陷，本专利技术提供一种目标定位模型的训练方法，以解决缺乏合适模型对重叠和遮挡目标进行识别的技术问题。
2、为实现上述目的及其它相关目的，本专利技术提供了一种目标定位模型的训练方法，包括：获取样本图像，并通过人工标注的方式标注所述样本图像中待识别目标的中心点，得到真值点的坐标；构建并初始化目标定位模型；将所述样本图像输入到所述目标定位模型中，得到候选点的坐标和置信度；匹配所述真值点和所述候选点，得到匹配结果；根据所述匹配结果计算损失值，并根据所述损失值微调所述目标定位模型中的参数，直至训练完成得到训练好的目标定位模型。
3、于本专利技术一
4、于本专利技术一实施例中，所述代价矩阵的元素按如下公式计算：
5、，
6、式中，pi表示第i个真值点，qj表示第j个候选点，|| ||2表示两点距离的平方，exp()表示给定数值的自然指数，α和β为预设的权重因子，σ表示正态分布中的标准差。
7、于本专利技术一实施例中，根据所述匹配结果计算损失值，包括：根据所述真值点的坐标、以及与所述真值点匹配的候选点的坐标，得到回归损失；根据所述候选点的置信度、以及匹配关系，得到分类损失。
8、于本专利技术一实施例中，所述回归损失按如下公式计算：
9、，
10、式中，x为真值点的总个数，qi表示与pi匹配的候选点，λ1和λ2为预设的权重因子。
11、于本专利技术一实施例中，根据所述候选点的置信度、以及匹配关系，得到分类损失，包括：根据所述匹配关系，按如下规则得到每个所述候选点的置信度真值：如果该候选点有匹配的真值点，则该候选点的置信度真值为1；如果该候选点没有匹配的真值点，则该候选点的置信度真值为0；根据所述候选点的置信度和置信度真值，得到所述分类损失。
12、于本专利技术一实施例中，所述目标定位模型有k个分支，所述k大于等于1，每个所述分支包括级联的一个卷积单元和一个目标点预测模块，第i个分支的卷积单元的输入为第i-1个分支的卷积单元的输出，i等于{2,…,k}；每个分支的目标点预测模块各输出一组候选点的坐标和置信度。
13、于本专利技术一实施例中，按先后顺序分别对每个分支进行训练，训练时，根据第k组候选点的坐标和置信度微调第k个分支中的参数，k等于{1,2,…,k}。
14、本专利技术的有益效果：本专利技术提出的一种目标定位模型的训练方法，该方法通过对样本图像进行标定，从而获得真值点的信息，再将样本图像输入到目标定位模型中，得到候选点的信息，对于一般的模型训练而言，其预估的结果和真实的结果是一一对应的，但本专利技术有些特殊，候选点和真值点的个数大概率不相等，因此这里引入匹配机制，并根据匹配结果去计算损失值，从而实现模型的可靠训练，并且在多分支的模型结构中，采用多次训练的方式来完成整个模型的训练。
本文档来自技高网...【技术保护点】
1.一种目标定位模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的目标定位模型的训练方法，其特征在于，匹配所述真值点和所述候选点，得到匹配结果，包括：
3.根据权利要求2所述的目标定位模型的训练方法，其特征在于，所述代价矩阵的元素按如下公式计算：
4.根据权利要求1所述的目标定位模型的训练方法，其特征在于，根据所述匹配结果计算损失值，包括：
5.根据权利要求4所述的目标定位模型的训练方法，其特征在于，所述回归损失按如下公式计算：
6.根据权利要求4所述的目标定位模型的训练方法，其特征在于，根据所述候选点的置信度、以及匹配关系，得到分类损失，包括：
7.根据权利要求1所述的目标定位模型的训练方法，其特征在于，所述目标定位模型有K个分支，所述K大于等于1，每个所述分支包括级联的一个卷积单元和一个目标点预测模块，第i个分支的卷积单元的输入为第i-1个分支的卷积单元的输出，i等于{2,…,K}；每个分支的目标点预测模块各输出一组候选点的坐标和置信度。
8.根据权利要求7所述的目标定位模型的训练方
...【技术特征摘要】
1.一种目标定位模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的目标定位模型的训练方法，其特征在于，匹配所述真值点和所述候选点，得到匹配结果，包括：
3.根据权利要求2所述的目标定位模型的训练方法，其特征在于，所述代价矩阵的元素按如下公式计算：
4.根据权利要求1所述的目标定位模型的训练方法，其特征在于，根据所述匹配结果计算损失值，包括：
5.根据权利要求4所述的目标定位模型的训练方法，其特征在于，所述回归损失按如下公式计算：
6.根据权利要求4所述的目标定位模型的训练方法，其特征在于，根...
【专利技术属性】
技术研发人员：郑守国，钱春晨，徐青山，朱恭钦，邱梦情，蔚栓，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：
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。