[发明专利]太赫兹图像中目标物体的检测方法、装置、设备及介质有效

专利信息
申请号: 201810628340.7 申请日: 2018-06-13
公开(公告)号: CN108830225B 公开(公告)日: 2021-07-06
发明(设计)人: 肖红;张荣跃;张骋;刘英双;乔静炜 申请(专利权)人: 广东工业大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/40;G06N3/04
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 罗满
地址: 510060 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 赫兹 图像 目标 物体 检测 方法 装置 设备 介质
【权利要求书】:

1.一种太赫兹图像中目标物体的检测方法,其特征在于,包括:

预先根据接收到的结构裁剪指令,对faster-Rcnn算法模型进行优化,生成优化目标检测层;

将待检测的太赫兹图像输入所述优化目标检测层,得到所述太赫兹图像的特征图,并根据所述特征图生成建议窗口;

利用感兴趣区域池化层将所述特征图和包含建议窗口的特征图生成预设尺寸的第二特征图;

根据第二特征图,利用边框回归化生成目标检测窗口的坐标,以用于检测太赫兹图像中的目标物体;

所述对faster-Rcnn算法模型进行优化包括:

采用层级修改faster-Rcnn算法模型的网络结构配置文件以裁剪卷积层和池化层的数目,采用神经元级裁剪滤波器数目,并通过修改dropout层参数或者增加dropout层以减少神经元连接。

2.根据权利要求1所述的太赫兹图像中目标物体的检测方法,其特征在于,所述优化目标检测层还包括图像增强层,用于采用指数非线性变化对所述太赫兹图像进行空域图像增强。

3.根据权利要求2的太赫兹图像中目标物体的检测方法,其特征在于,所述优化目标检测层还包括噪声处理层,用于采用非线性滤波算法去除经空域图像增强后的太赫兹图像的噪声。

4.根据权利要求1至3任意一项所述的太赫兹图像中目标物体的检测方法,其特征在于,所述优化目标检测层包括大小为7*7、步长为2的第一卷积层,与所述第一卷积层相连、大小为3*3、步长为2的第一池化层,与所述第一池化层相连、大小为3*3、步长为1的第二卷积层,与所述第二卷积层相连、大小为2*2、步长为1的第二池化层,与所述第二池化层相连的全连接层。

5.根据权利要求4所述的太赫兹图像中目标物体的检测方法,其特征在于,所述第一卷积层和所述第一池化层分别具有64个过滤器;所述第二卷积层和所述第二池化层分别具有256个过滤器。

6.一种太赫兹图像中目标物体的检测装置,其特征在于,包括:

网络优化模块,用于预先根据接收到的结构裁剪指令对faster-Rcnn算法模型进行优化,生成优化目标检测层,所述对faster-Rcnn算法模型进行优化包括:采用层级修改faster-Rcnn算法模型的网络结构配置文件以裁剪卷积层和池化层的数目,采用神经元级裁剪滤波器数目,并通过修改dropout层参数或者增加dropout层以减少神经元连接;

图像输入模块,用于将待检测的太赫兹图像输入所述优化目标检测层,得到所述太赫兹图像的特征图,并根据所述特征图生成建议窗口;

特征图生成模块,用于利用感兴趣区域池化层将所述特征图和包含建议窗口的特征图生成预设尺寸的第二特征图;

检测窗口坐标生成模块,用于根据第二特征图,利用边框回归化生成目标检测窗口的坐标,以用于检测太赫兹图像中的目标物体。

7.根据权利要求6所述的太赫兹图像中目标物体的检测装置,其特征在于,所述网络优化模块还包括设置在所述优化目标检测层的图像增强层;

所述图像增强层用于采用指数非线性变化对所述太赫兹图像进行空域图像增强。

8.根据权利要求7所述的太赫兹图像中目标物体的检测装置,其特征在于,所述网络优化模块还包括设置在所述优化目标检测层的噪声处理层;

所述噪声处理层用于采用非线性滤波算法去除经空域图像增强后的太赫兹图像的噪声。

9.一种太赫兹图像中目标物体的检测设备,其特征在于,包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至5任一项所述太赫兹图像中目标物体的检测方法的步骤。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有太赫兹图像中目标物体的检测程序,所述太赫兹图像中目标物体的检测程序被处理器执行时实现如权利要求1至5任一项所述太赫兹图像中目标物体的检测方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东工业大学,未经广东工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810628340.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top