候选框过滤方法、装置以及电子设备.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CN110852321A(43)申请公布日2020.02.28(21)申请号201911096493.2(22)申请日2019.11.11(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人希滕张刚温圣召(74)专利代理机构北京市铸成律师事务所11313代理人徐瑞红阎敏(51)Int.Cl.G06K9/32(2006.01)G06K9/62(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图6页(54)发明名称候选框过滤方法、装置以及电子设备(57)摘要本申请公开了一种候选框过滤方法、装置以及电子设备，涉及候选框过滤领域。具体实现方案为：将超参数的个数和超参数范围输入至过滤策略生成模型，得到超参数序列；根据超参数序列，从待检测图片中的全部候选框中过滤掉冗余的候选框；根据保留的候选框计算超参数序列对应的检测评价信息；利用检测评价信息更新过滤策略生成模型，直至收敛，得到目标候选框。解决基于人工设置非极大抑制阈值方法不能同时保证检测框准确率和召回率的问题，达到同时提高目标检测任务的准确率和召回率的技术效果。CN110852321ACN110852321A权利要求书1/2页1.一种候选框过滤方法，其特征在于，包括：将超参数的个数和超参数范围输入至过滤策略生成模型，得到超参数序列；根据所述超参数序列，从待检测图片中的全部候选框中过滤掉冗余的候选框；根据保留的候选框计算所述超参数序列对应的检测评价信息；利用所述检测评价信息更新所述过滤策略生成模型，直至收敛，得到目标候选框。2.根据权利要求1所述的方法，其特征在于，根据所述超参数序列，从待检测图片中的全部候选框中过滤掉冗余的候选框，包括：按照各所述候选框对应的置信度由高到低的顺序，对所述待检测图片中的全部候选框进行排序，形成候选框序列；对于所述候选框序列中的每个候选框，按照排序依次执行过滤步骤；所述过滤步骤包括：选取所述候选框序列中的一个候选框为选取框，剩余的多个候选框均为未选框；根据所述超参数序列，计算所述选取框和各所述未选框之间的相似度；过滤掉所述相似度小于相似度阈值的未选框，并更新所述候选框序列。3.根据权利要求2所述的方法，其特征在于，根据所述超参数序列，计算所述选取框和各所述未选框之间的相似度，包括：根据所述选取框的坐标和所述未选框的坐标，计算第一相似度；根据所述选取框在检测任务中的关键点和所述未选框在所述检测任务中的关键点，计算第二相似度；所述超参数序列中包括第一超参数和第二超参数，计算所述第一超参数与所述第一相似度的乘积为第一乘积，所述第二超参数与所述第二相似度的乘积为第二乘积；所述第一乘积与所述第二乘积之和，得到所述相似度。4.根据权利要求3所述的方法，其特征在于，还包括：根据所述选取框的可见关键点和不可见关键点，以及所述未选框的可见关键点和不可见关键点，计算第三相似度；所述超参数序列中还包括第三超参数，计算所述第三超参数与所述第三相似度的乘积为第三乘积；所述第一乘积、所述第二乘积以及所述第三乘积之和，得到所述相似度。5.根据权利要求1所述的方法，其特征在于，根据保留的候选框计算所述超参数序列对应的检测评价信息，包括：根据保留的候选框计算所述超参数序列对应的召回率和准确率；根据所述召回率和所述准确率的联合函数得到所述检测评价信息。6.根据权利要求1所述的方法，其特征在于，所述过滤策略生成模型包括基于强化学习的过滤策略生成模型和基于进化算法的过滤策略生成模型中的一种。7.一种候选框过滤装置，其特征在于，包括：超参数生成模块，用于将超参数的个数和超参数范围输入至过滤策略生成模型，得到超参数序列；候选框过滤模块，用于根据所述超参数序列，从待检测图片中的全部候选框中过滤掉冗余的候选框；检测评价信息计算模块，用于根据保留的候选框计算所述超参数序列对应的检测评价2CN110852321A权利要求书2/2页信息；目标候选框生成模块，用于利用所述检测评价信息更新所述过滤策略生成模型，直至收敛，得到目标候选框。8.根据权利要求7所述的装置，其特征在于，所述候选框过滤模块包括：排序子模块，用于按照各所述候选框对应的置信度由高到低的顺序，对所述待检测图片中的全部候选框进行排序，形成候选框序列；过滤子模块，用于对于所述候选框序列中的每个候选框，按照排序依次执行过滤步骤；所述过滤步骤包括：选取所述候选框序列中的一个候选框为选取框，剩余的多个候选框均为未选框；根据所述超参数序列，计算所述选取框和各所述未选框之间的相似度；过滤掉所述相似度小于相似度阈值的未选框，并更新所述候选框序列。9.根据权利要求8所述的装置，其特征在于，所述过滤子模块包括：第一