摘要
本发明公开了一种基于自动检测的目标检测追踪方法及系统,涉及目标检测追踪技术领域,该方法包括以下步骤:基于典型目标的图像数据集,利用标注工具对图像进行目标位置与类别标注,得到带有标签的训练数据集,并根据YOLO架构建立目标检测模型,引入动态加权损失函数;根据训练数据集,利用分层采样策略生成训练批次,并通过在线难例挖掘机制,得到优化训练样本,基于生成的训练批次和优化样本,对目标检测模型进行迭代训练;利用训练后的目标检测模型,对实时视频流进行目标检测,得到每帧的追踪位置与类别信息。本发明能够有效解决类别不平衡问题,提高对稀有目标的检测能力,同时通过难例挖掘提升模型的整体性能。
技术关键词
检测追踪方法
加权损失函数
样本
实时视频流
卡尔曼滤波算法
标注工具
数据
动态
典型
标签
分层
追踪系统
策略
图像
特征金字塔网络
轨迹
更新模型参数
网络结构
匈牙利算法
表达式
系统为您推荐了相关专利信息
网络安全风险
对象
随机森林模型
机器学习模型
样本
神经网络模型
非易失性存储介质
参数
网络单元
材料特征
海洋环境数据
场景
海洋生态环境
水文参数
多模态