[发明专利]基于全卷积网络的多特征融合的目标检测方法有效
| 申请号： | 201710816619.3 | 申请日： | 2017-09-12 |
| 公开（公告）号： | CN107563381B | 公开（公告）日： | 2020-10-23 |
| 发明（设计）人： | 郭亚婧;郭晓强;姜竹青;周芸;门爱东;王强;付光涛 | 申请（专利权）人： | 国家新闻出版广电总局广播科学研究院;北京邮电大学 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06N3/08 |
| 代理公司： | 天津盛理知识产权代理有限公司 12209 | 代理人： | 王利文 |
| 地址： | 100886 北京市西*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明设计了一种基于全卷积网络的多特征融合的目标检测方法，其主要技术特点是：搭建具有六个卷积层组的全卷积神经网络；利用卷积神经网络的前五组卷积层提取图像特征，并将其输出进行融合，形成融合特征图；对融合后的特征图进行卷积处理，直接产生固定数目的不同大小的目标边框；计算卷积神经网络生成的目标边框与真实边框之间的分类误差与定位误差，利用随机梯度下降法降低训练误差，得到最终训练模型的参数，最后进行测试得到目标检测结果。本发明利用了深度卷积网络对目标的强大的表示能力，构建了用于目标检测的全卷积神经网络，提出了新的融合特征方法，提高了算法的检测速度和精度，获得了良好的目标检测结果。 | ||
| 搜索关键词： | 基于 卷积 网络 特征 融合 目标 检测 方法 | ||
【主权项】：
一种基于全卷积网络的多特征融合的目标检测方法，其特征在于包括以下步骤：步骤1、搭建具有六个卷积层组的全卷积神经网络；步骤2、利用卷积神经网络的前五组卷积层提取图像特征，并将其输出进行融合，形成融合特征图；步骤3、对融合后的特征图进行卷积处理，直接产生固定数目的不同大小的目标边框；步骤4、计算卷积神经网络生成的目标边框与真实边框之间的分类误差与定位误差，利用随机梯度下降法降低训练误差，得到最终训练模型的参数，最后进行测试得到目标检测结果。
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国家新闻出版广电总局广播科学研究院;北京邮电大学，未经国家新闻出版广电总局广播科学研究院;北京邮电大学许可，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/patent/201710816619.3/，转载请声明来源钻瓜专利网。
