(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 202210855609.1 (22)申请日 2022.07.20 (71)申请人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 乔宇　李子昊　 (74)专利代理 机构 上海恒慧知识产权代理事务 所(特殊普通 合伙) 31317 专利代理师 徐红银 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于信息融合的目标检测后处理方法、 系 统、 终端及 介质 (57)摘要 本发明提供了一种基于信息融合的目标检 测后处理方法、 系统、 终端及介质， 包括： 将目标 检测结果中所有的预测框聚类成多个簇， 获得每 个簇的代表预测框及簇内检测置信度的统计信 息； 将所述每个簇的代表预测框进行类别置信度 计算， 计算其类别预测为正确的概率， 作为类别 置信度； 根据所述类别置信 度以及每个簇内检测 置信度的统计信息， 计算每个预测框属于正确预 测的概率， 保留概率大于预设阈值的预测框， 舍 弃概率小于预设阈值的预测框。 本发 明参考了多 种不同类型的置信度信息， 相比于以非极大抑制 为代表的传统后处理方法有着更加鲁棒的优势， 同时， 其融合了针对同一物体的多个预测结果， 使得对物体边界的定位更加准确。 权利要求书2页 说明书5页 附图2页 CN 115239984 A 2022.10.25 CN 115239984 A 1.一种基于信息融合的目标检测后处 理方法， 其特 征在于， 包括： 将目标检测结果中所有的预测框聚类成多个簇， 获得每个簇的代表预测框及簇内检测 置信度的统计信息； 将所述每个簇的代表预测框进行类别置信度计算， 计算其类别预测为正确的概率， 作 为类别置信度； 根据所述类别 置信度以及每个簇 内检测置信度的统计信 息， 计算每个预测框属于正确 预测的概 率， 保留概 率大于预设阈值的预测框， 舍弃概 率小于预设阈值的预测框 。 2.根据权利要求1所述的基于信 息融合的目标检测后处理方法， 其特征在于， 所述将目 标检测结果中所有的预测框聚类成多个簇， 其中： 通过一个迭代的聚类方法将所有的预测 框分到多个簇中。 3.根据权利要求2所述的基于信 息融合的目标检测后处理方法， 其特征在于， 所述聚类 方法， 包括： 使用交并比作为两个框之间相似度的度量， 以检测置信度为权重计算每个簇中预测框 的加权平均值作为该簇的代 表预测框； 统计每个簇中所有检测置信度的最大值以及总和， 作为簇内检测置信度的统计信息 。 4.根据权利要求1所述的基于信 息融合的目标检测后处理方法， 其特征在于， 将所述每 个簇的代表预测框进行类别置信度计算， 其中， 使用一个卷积神经网络计算代表预测框内 物体属于预测类别的置信度。 5.根据权利要求4所述的基于信 息融合的目标检测后处理方法， 其特征在于， 所述卷积 神经网络为 一个具有18个卷积层和2个全连接层的神经网络 。 6.根据权利要求1所述的基于信 息融合的目标检测后处理方法， 其特征在于， 所述根据 所述类别置信度以及每个簇内检测置信度的统计信息， 计算每个预测框属于正确预测的概 率， 其中， 使用一个全连接神经网络计算代 表预测框是正确预测的概 率。 7.根据权利要求6所述的基于信 息融合的目标检测后处理方法， 其特征在于， 所述使用 一个全连接神经网络计算代表预测框是正确预测的概率， 其中， 以代表预测框检测置信度 最大值、 总和以及类别置信度作为输入， 通过一个含有3个全连接层的神经网络计算该代表 预测框是正确预测的概 率。 8.一种基于信息融合的目标检测后处 理系统， 其特 征在于， 包括： 聚类模块： 将目标检测结果中所有的预测框聚类成多个簇， 获得每个簇的代表预测框 及簇内检测置信度的统计信息； 类别置信度计算模块： 将所述 聚类模块得到的每个簇的代表预测框进行类别 置信度计 算， 计算其类别预测为 正确的概 率， 作为类别置信度； 预测框筛选模块： 根据 所述类别置信度计算模块得到的类别置信度以及所述 聚类模块 得到的每个簇内检测置信度的统计信息， 计算每个预测框属于正确预测的概率， 保留概率 大于预设阈值的预测框， 舍弃概 率小于预设阈值的预测框 。 9.一种电子终端， 包括存储器、 处理器及存储在存储器上并能在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时用于执行权利要求 1‑7任一所述的基于信 息融合的目标检测后处 理方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器权　利　要　求　书 1/2 页 2 CN 115239984 A 2执行时用于执 行权利要求1 ‑7任一所述的基于信息融合的目标检测后处 理方法。权　利　要　求　书 2/2 页 3 CN 115239984 A 3