基于少样本的目标检测方法、装置及物件分拣智能系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113673488A(43)申请公布日2021.11.19(21)申请号202111224286.8(22)申请日2021.10.21(71)申请人季华实验室地址528200广东省佛山市南海区桂城街道环岛南路28号(72)发明人杨旭韵彭悦言高翔李伟温志庆(74)专利代理机构北京开阳星知识产权代理有限公司11710代理人王艳斌(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)B07C5/36(2006.01)权利要求书3页说明书10页附图4页(54)发明名称基于少样本的目标检测方法、装置及物件分拣智能系统(57)摘要本公开涉及目标检测领域，具体涉及一种基于少样本的目标检测方法、装置及物件分拣智能系统，基于少样本的目标检测方法包括获取基础数据集并搭建网络结构作为检测模型；根据基础数据集对检测模型进行训练以获取基础模型；根据新类别目标样本调整基础模型以获取新类别目标检测模型；根据新类别目标检测模型获取待查询图片中目标物体的位置信息和类别信息。通过本公开的技术方案，能够快速适应包含了新类别物体的生产线，降低了样本需求量，提高了目标检测方法的通用性和检测效率。CN113673488ACN113673488A权利要求书1/3页1.一种基于少样本的目标检测方法，其特征在于，包括：获取基础数据集并搭建网络结构作为检测模型；根据所述基础数据集对所述检测模型进行训练以获取基础模型，包括将对应所述基础数据集的图片输入所述检测模型以获取对应所述基础数据集的第一预测包围框位置和第一预测物体类别；获取对应所述基础数据集的图片所包含的第一标注包围框位置和第一标注物体类别；根据所述第一预测包围框位置、所述第一标注包围框位置、所述第一预测物体类别和所述第一标注物体类别获取第一损失函数；根据所述第一损失函数采取梯度下降的方法更新所述检测模型中的参数以获取所述基础模型；所述第一损失函数满足如下计算公式：其中，L1表示所述第一损失函数，Lbbox1表示所述第一预测包围框位置和所述第一标注包围框位置之间的误差损失函数，Lcls1表示所述第一预测物体类别和所述第一标注物体类别之间的误差损失函数；Lbbox1通过平滑L1损失函数smoothL1（t1‑t1*）表示，满足如下公式：其中t1=（tx1，ty1，tw1，th1），t1*=（tx1*，ty1*，tw1*，th1*），t1表示第一预测包围框位置信息，t1*表示第一标注包围框位置信息，Lbbox1包括第一预测包围框中心坐标（tx1，ty1）、第一标注包围框中心坐标（tx1*，ty1*）以及第一预测包围框的宽和高（tw1，th1）和第一标注包围框的宽和高（tw1*，th1*）；根据新类别目标样本调整所述基础模型以获取新类别目标检测模型；根据所述新类别目标检测模型获取待查询图片中目标物体的位置信息和类别信息。2.根据权利要求1所述的基于少样本的目标检测方法，其特征在于，所述网络结构包括：特征提取模块，用于获取输入图片的特征图；区域划分模块，用于根据所述特征图获取所述特征图的划分区域；位置预测模块，用于根据所述特征图的划分区域获取预测包围框位置；类别预测模块，用于根据所述特征图的划分区域获取预测物体类别。3.根据权利要求2所述的基于少样本的目标检测方法，其特征在于，根据新类别目标样本调整所述基础模型以获取新类别目标检测模型，包括：将对应的所述新类别目标样本的图片输入所述基础模型以获取对应所述新类别目标样本的第二预测包围框位置和第二预测物体类别；获取对应所述新类别目标样本的图片所包含的第二标注包围框位置和第二标注物体类别；根据所述第二预测包围框位置、所述第二标注包围框位置、所述第二预测物体类别和所述第二标注物体类别获取第二损失函数；根据所述第二损失函数采取梯度下降的方法更新所述基础模型中所述位置预测模块和所述类别预测模块的参数以获取所述新类别目标检测模型。2CN113673488A权利要求书2/3页4.根据权利要求3所述的基于少样本的目标检测方法，其特征在于，所述第二损失函数满足如下计算公式：其中，L2表示所述第二损失函数，Lbbox2表示所述第二预测包围框位置和所述第二标注包围框位置之间的误差损失函数，Lcls2表示所述第二预测物体类别和所述第二标注物体类别之间的误差损失函数。5.一种基于少样本的目标检测装置，其特征在于，包括：检测模型搭建模块，用于获取基础数据集并搭建网络结构作为检测模型；基础模型获取模块，用于根据所述基础数据集对所述检测模型进行训练以获取基础模型具体用于将对应所述基础数据集的图片输入所述检测模型以获取对应所述基础数据集的第一预测包围框位置和第一预测物体类别；获取对应所述基础数据集的图片所