[发明专利]基于改进卷积神经网络的对象检测装置及方法

摘要

本发明提供了的基于改进卷积神经网络的对象检测方法，该方法包括：采集已标记对象的标记图像；采用随机采样法，对改进卷积神经网络进行初步训练，获取初步分类的正样本和负样本，以及对应的分类概率值，再根据分类概率值，选择一定比例的正样本和负样本，对改进卷积神经网络进行训练，获取训练好的对象检测模型；输入待检测图像；采用对象检测模型对待检测图像进行对象检测，输出检测结果。与现有技术相比，本发明能快速准确地实现图像中的对象检测。

主权项

1.基于改进卷积神经网络的对象检测装置，其特征在于，该装置包括：标记图像采集模块，用于采集已标记对象的标记图像；对象检测模型训练模块，用于采用随机采样法，对改进卷积神经网络进行初步训练，获取初步分类的正样本和负样本，以及对应的分类概率值，再根据分类概率值，选择一定比例的正样本和负样本，对改进卷积神经网络进行训练，获取训练好的对象检测模型；待检测图像输入模块，用于输入待检测图像；以及对象检测模块，用于采用对象检测模型对待检测图像进行对象检测，输出检测结果；其中，所述改进卷积神经网络包括：图像输入模块，用于输入图像；特征子网络模块，用于对不同尺度的分辨率图像分别进行卷积、非线性单元和池化处理，以获得不同尺度的分辨率特征图像；建议子网络模块，用于对不同尺度的分辨率特征图像进行锚子网络处理和分析，获取图像内对象的建议窗口的位置坐标和分类概率值；进一步地，所述建议子网络模块包括：特征图像输入模块，用于输入第三卷积层第三输出层conv3_3、第四卷积层第三输出层conv4_3、第五卷积层第三输出层conv5_3、第六卷积层第二输出层conv6_2、第七卷积层第二输出层conv7_2、第八卷积层第二输出层conv8_2、第九卷积层第二输出层conv9_2、第十卷积层第二输出层conv10_2的特征图像；锚子网络处理模块，用于采用8个锚子网络对输入的8个特征图像分别进行处理，输出8个对应特征图像的锚窗口的先验位置坐标、分类概率值和修正位置坐标；锚子网络分析模块，用于根据锚窗口的先验位置坐标计算锚窗口的先验长度和先验宽度，根据锚窗口的修正位置坐标计算锚窗口的修正长度和修正宽度，按照修正公式对锚窗口进行修正，获取锚窗口的预测窗口，并对锚窗口的预测窗口做非极大值抑制，获取建议窗口的位置坐标和分类概率值并输出。