[发明专利]目标检测方法和装置

权利要求书

1.一种目标检测方法，其特征在于，包括以下步骤：

接收输入的图片；

基于预设算法从所述图片中提取多个候选区域；

通过预先训练的基于节点级联的深度学习神经网络模型，确定所述多个候选区域中与目标对象对应的目标区域；

根据所述目标区域生成输出结果。

2.如权利要求1所述的方法，其特征在于，训练基于节点级联的深度学习神经网络模型，包括：

预训练所述基于节点级联的深度学习神经网络模型的隐层参数；

训练所述基于节点级联的深度学习神经网络模型中输出节点的参数。

3.如权利要求2所述的方法，其特征在于，预训练所述基于节点级联的深度学习神经网络模型的隐层参数，包括：

获取图像识别数据库中的N个类别的图片样本；

训练具有N个节点的分类网络模型，并将所述分类网络模型的隐层参数作为所述基于节点级联的深度学习神经网络模型的初始化隐层参数。

4.如权利要求2所述的方法，其特征在于，训练所述基于节点级联的深度学习神经网络模型中输出节点的参数，包括：

从检测数据集中获取相同数量的目标区域样本和非目标区域样本；

依次对所述基于节点级联的深度学习神经网络模型中输出节点的参数进行训练。

5.如权利要求4所述的方法，其特征在于，依次对所述基于节点级联的深度学习神经网络模型中输出节点的参数进行训练，包括：

根据所述目标区域样本和所述非目标区域样本对所述基于节点级联的深度学习神经网络模型中的第一个输出节点的参数进行训练；

当所述目标区域样本的召回率大于第一预设阈值，且所述非目标区域样本的误判率低于第二预设阈值时，获取所述第一个输出节点对应的第一参数；

根据所述第一参数过滤已正确识别的非目标区域样本，并获取新的非目标区域样本；

根据所述目标区域样本和所述新的非目标区域样本对所述基于节点级联的深度学习神经网络模型中的第二个输出节点的参数进行训练；

当所述目标区域样本的召回率大于第一预设阈值，且所述非目标区域样本的误判率低于第二预设阈值时，获取所述第二个输出节点对应的第二参数；

重复以上步骤，直至所述基于节点级联的深度学习神经网络模型中所有输出节点的参数训练完成。

6.如权利要求1所述的方法，其特征在于，通过预先训练的基于节点级联的深度学习神经网络模型，确定所述多个候选区域中与目标对象对应的目标区域，包括：

依次判断所述多个候选区域是否为与目标对象对应的目标区域。

7.如权利要求6所述的方法，其特征在于，判断所述候选区域是否为与目标对象对应的目标区域，包括：

当所述基于节点级联的深度学习神经网络模型中的多个输出节点，均确定所述候选区域为目标区域时，将所述候选区域作为目标区域；

否则，将所述候选区域作为非目标区域。

8.一种基于目标检测的信息推荐方法，其特征在于，包括以下步骤：

接收输入的视频；

将所述视频切分为多帧图像；

基于预设算法从每一帧图像中提取多个候选区域；

通过预先训练的基于节点级联的深度学习神经网络模型，确定所述多个候选区域中与目标对象对应的目标区域；

根据所述目标区域确定包含所述目标对象的图像；

确定包含所述目标对象的图像在所述视频中的播放时间点；

在所述播放时间点插入与所述目标对象对应的推荐信息。

9.一种目标检测装置，其特征在于，包括：

接收模块，用于接收输入的图片；

提取模块，用于基于预设算法从所述图片中提取多个候选区域；

确定模块，用于通过预先训练的基于节点级联的深度学习神经网络模型，确定所述多个候选区域中与目标对象对应的目标区域；

生成模块，用于根据所述目标区域生成输出结果。

10.如权利要求9所述的装置，其特征在于，还包括：

预训练模块，用于预训练所述基于节点级联的深度学习神经网络模型的隐层参数；

训练模块，用于训练所述基于节点级联的深度学习神经网络模型中输出节点的参数。