(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210446002.8 (22)申请日 2022.04.26 (71)申请人 上海铁大电信科技股份有限公司 地址 201800 上海市嘉定区南翔镇蕰北公 路1755弄6号 (72)发明人 叶伟　张弘远　成远　李永燕　 杨云国　 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于目标检测算法和图像分类算法的 检测方法 (57)摘要 本申请涉及一种基于目标检测算法和图像 分类算法的检测方法， 其包括： 收集待检测物体 的图片和背景图片； 对采集到的包含待检测物体 的图片， 标注图片， 得到数据集； 将数据集划分为 训练集、 验证集和测试集； 对数据集各矩形框进 行聚类， 随机裁剪背景图片作为背景类别， 加上 数据集根据矩形框剪裁下的图片， 得到待检测物 体和背景类别数据集。 将数据集用来训练图像分 类网络； 使用数据集训练出yolov3目标检测网 络； 用检测网络检测待检测的图片， 若出现目标， 根据目标的坐标信息剪切图片数据集， 对图像的 短边进行pa dding操作， reshape预设大小的尺寸 送入图像分类网络中检测进行分析； 具有查全率 高、 查准率好的效果。 权利要求书2页 说明书3页 附图2页 CN 114821279 A 2022.07.29 CN 114821279 A 1.一种基于目标检测算法和图像分类算法的检测方法， 其特征在于： 该方法包括以下 步骤： 步骤一、 收集待检测物体的图片和不包 含待检测物体的背景图片； 步骤二、 对采集到的包含待检测物体的图片， 使用图片标注工具进行标注， 得到数据 集； 步骤三、 将步骤二的所述数据集按比例划分为训练集、 验证集和 测试集； 步骤四、 对步骤二的所述数据集的标注内容进行聚类， 得到的anc hor框； 步骤五、 根据 anchor框， 随机裁剪背景图片， 作为背景类别， 加上anchor框剪裁下的图 片， 得到待检测物体和背景类别数据集； 步骤六、 将步骤五所 得到的数据集用来训练图像分类网络； 步骤七、 使用步骤三的数据集训练yo lov3目标检测网络； 步骤八、 用步骤七所得到的检测网络检测待检测图片， 如果检测结果出现目标， 根据目 标的坐标信息剪切这些目标得到图片数据集， 对图片的短边进行padding操作， reshape成 预设大小的尺寸送入步骤六 所得到的分类网络中检测进行分析并输出 结果。 2.根据权利要求1所述的一种基于目标检测算法和图像分类算法的检测方法， 其特征 在于： 所述 步骤二中， 还 包括生成标签文件， 生成的步骤 包括： 使用标注工具labelImg对图片进行标注， 生成符合预设格式的标签文件， 标签文件内 容包含目标的类别以及目标的位置信息， 位置信息包括真实目标的xmin、 ymin、 xmax以及 ymax的坐标信息 。 3.根据权利要求1所述的一种基于目标检测算法和图像分类算法的检测方法， 其特征 在于： 提高所述yolov3目标检测网络的查全率， 降低所述yolov3目标检测网络的准确率， 再 执行所述步骤六。 4.根据权利要求1所述的一种基于目标检测算法和图像分类算法的检测方法， 其特征 在于： 所述步骤五所得到的图片进行reshape操作之前， 对图片的短边进行padding操作中， 还包括： 使图片的长宽相等， reshape后图片的尺寸的长和 宽相等， 且图片的像素大小是进 行padding操作后所有的图片的平均像素 大小。 5.根据权利要求1所述的一种基于目标检测算法和图像分类算法的检测方法， 其特征 在于： 所述步骤四中还包括： 使用k ‑Means聚类算法对标注出来的真实目标框进行聚类计 算， 得到预设数量的anc hor框， 具体步骤 包括： S100、 所述步骤二的所述数据 集中真实的目标框作为k ‑Means聚类算法的原始数据， 每 一个真实的目标框的长和宽的值都作为 一个样本； S200、 选择预设数量的anc hor框的长和宽作为 k‑Means聚类算法的聚类中心； S300、 根据公式d＝1 –IOU计算每个anchor框与聚类中心的距离， 其中IOU为真实框和聚 类中心的交并比， 求出真实框与预设数量的聚类中心最近距离的聚类中心， 把真实框分配 给最近距离的所述聚类中心； S400、 对所有的真实框进行所述步骤三的操作， 直到所有的真实框都分配到最近距离 的所述聚类中心， 再对每个聚类中心在真实框的长和宽计算出新的聚类中心， 新的聚类中 心即为最近距离的所述聚类中心下 所有真实框的长和宽的平均值； S500、 对以上步骤二到步骤四进行循环操作， 直到S400中计算出的聚类中心的长和宽权　利　要　求　书 1/2 页 2 CN 114821279 A 2的值不再发生变化， 最终聚类出的预设数量的聚类中心的长和宽即为anc hor框的大小。 6.根据权利要求1所述的一种基于目标检测算法和图像分类算法的检测方法， 其特征 在于： 所述步骤六中， 所述图像分类网络为多层卷积网络， 包含卷积层、 池化层、 激活层、 全 连接层和Softmax层， 使用Cro ssEntropyLoss作为分类的损失函数， 损失函数公式为： loss= −∑tilnyi； 其中ti为真实值， 为 one‑hot编码的向量， yi为求出的Softmax值， 其 值为:yi=ei/∑jej。权　利　要　求　书 2/2 页 3 CN 114821279 A 3