[发明专利]基于深度网络增强的特定场景下行人检测器自动学习方法有效
| 申请号： | 201810264330.X | 申请日： | 2018-03-28 |
| 公开（公告）号： | CN108549852B | 公开（公告）日： | 2020-09-08 |
| 发明（设计）人： | 郑慧诚;何炜雄;谢晓华 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 刘巧霞 |
| 地址： | 510275 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： | 本发明公开了一种基于深度网络增强的特定场景下行人检测器自动学习方法，步骤是：在服务器端使用通用的数据集训练出第一神经网络和第二神经网络，第二神经网络部署到嵌入式设备中；通过嵌入式设备对当前场景的图像进行捕捉，获得新增图像样本，传送到服务器端；在服务器端利用之前训练好的第一神经网络对新增图像样本进行测试，根据测试得分对样本进行标注；估计当前高度行人检测框的大小，剔除正样本中检测框和估计的大小有明显差异的样本，保留剩余样本；服务器端对第二神经网络进行调优；将调优后的第二神经网络模型从服务器端重新部署到嵌入式设备中。本发明可以在特定场景下快速得到精准的行人检测模型。 | ||
| 搜索关键词： | 基于 深度 网络 增强 特定 场景 行人 检测器 自动 学习方法 | ||
【主权项】：
1.基于深度网络增强的特定场景下行人检测器自动学习方法，其特征在于，包括步骤：(1)在服务器端使用通用的数据集训练出第一神经网络和第二神经网络，第二神经网络用于部署到嵌入式设备中；(2)通过嵌入式设备在进行行人检测的工作过程中，对当前场景的图像进行捕捉，获得新增图像样本，传送到服务器端；(3)在服务器端利用之前训练好的第一神经网络对新增图像样本进行测试，利用第一神经网络的测试得分对样本进行标注；(4)对嵌入式设备当前高度下行人检测框的大小进行估计，计算正样本中检测框和估计的行人检测框的差异值，若差异值超过阈值，则进行剔除，保留剩余样本；(5)服务器端利用上述剩余样本对第二神经网络进行调优；(6)将调优后的第二神经网络模型从服务器端重新部署到嵌入式设备中。
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中山大学，未经中山大学许可，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/201810264330.X/，转载请声明来源钻瓜专利网。
