[发明专利]一种基于深度学习的高精度快速单类目标检测方法有效
| 申请号： | 201711404571.1 | 申请日： | 2017-12-22 |
| 公开（公告）号： | CN108154199B | 公开（公告）日： | 2022-03-15 |
| 发明（设计）人： | 任俊芬 | 申请（专利权）人： | 任俊芬 |
| 主分类号： | G06V30/194 | 分类号： | G06V30/194;G06N3/04 |
| 代理公司： | 北京科名专利代理有限公司 11468 | 代理人： | 陈朝阳 |
| 地址： | 054000 河北*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的高精度快速单类目标检测方法，包括如下步骤：步骤一）设计神经网络：确定目标物的特性，所述特性包括：目标物是刚体或非刚体，目标物自成一体或作某个更大物体的一部分;确定在应用场景中该目标物的尺寸变化范围，根据目标物的特性和目标物的尺寸变化范围确定不同尺寸下神经元感受野需要覆盖的范围，再设计出特定深度的神经网络结构。步骤二）神经网络的训练：搜集目标场景中包含有目标物体的图像数据并对每幅图像中的目标物进行标注，将标记后的图像数据作为网络学习的目标；执行标准的神经网络训练流程；步骤三）神经网络训练完毕后，将测试的场景图像输入给神经网络，根据神经网络的输出即可定位目标。 | ||
| 搜索关键词： | 一种 基于 深度 学习 高精度 快速 类目 检测 方法 | ||
【主权项】：
一种基于深度学习的高精度快速单类目标检测方法，其特征在于，包括如下步骤：步骤一）设计神经网络：确定目标物的特性，所述特性包括：目标物是刚体或非刚体，目标物自成一体或作某个更大物体的一部分;确定在应用场景中该目标物的尺寸变化范围，根据目标物的特性和目标物的尺寸变化范围确定不同尺寸下神经元感受野需要覆盖的范围，再设计出特定深度的神经网络结构;步骤二）神经网络的训练：搜集目标场景中包含有目标物体的图像数据并对每幅图像中的目标物进行标注，将标记后的图像数据作为网络学习的目标；执行标准的神经网络训练流程；步骤三）神经网络训练完毕后，将测试的场景图像输入给神经网络，根据神经网络的输出即可定位目标。
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任俊芬，未经任俊芬许可，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/201711404571.1/，转载请声明来源钻瓜专利网。
