[发明专利]基于稠密连接的深度学习物体检测方法及装置有效
| 申请号： | 201810329940.3 | 申请日： | 2018-04-13 |
| 公开（公告）号： | CN108764247B | 公开（公告）日： | 2020-11-10 |
| 发明（设计）人： | 赵鑫;黄凯奇;徐沛 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62;G06N3/04 |
| 代理公司： | 北京市恒有知识产权代理事务所(普通合伙) 11576 | 代理人： | 郭文浩 |
| 地址： | 100190 *** | 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： | 本发明属于图像检测技术领域，具体提供了一种基于稠密连接的深度学习物体检测方法及装置，旨在解决现有技术难以准确检测图像中较小物体的问题。为此目的，在本发明基于稠密连接的深度学习物体检测方法中，基于预先构建的物体检测网络模型对输入图像进行物体检测，得到输入图像中物体的分类结果和坐标位置。本发明的方法能够提取输入图像的多尺度特征，从而能够更好地描述图像中的小物体。同时，本发明的装置能够执行上述方法。 | ||
| 搜索关键词： | 基于 稠密 连接 深度 学习 物体 检测 方法 装置 | ||
【主权项】：
1.一种基于稠密连接的深度学习物体检测方法，其特征在于，所述方法包括：基于预先构建的物体检测网络模型对输入图像进行物体检测，得到所述输入图像中物体的分类结果和坐标位置；其中，所述物体检测网络模型基于卷积神经网络模型构建，包括特征提取模块、融合模块、聚合模块以及预测模块；所述特征提取模块基于探索函数和保持函数构建，用于提取所述输入图像的多尺度特征；所述融合模块基于特征融合函数和反卷积函数构建，用于调整所述多尺度特征的通道数并对所述多尺度特征进行融合；所述聚合模块基于卷积函数构建，用于调整进行融合后的多尺度特征的空间关系；所述预测模块基于卷积函数和损失函数构建，用于检测物体的尺寸，输出物体的类别置信度和坐标位置。
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国科学院自动化研究所，未经中国科学院自动化研究所许可，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/201810329940.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于多尺度特征提取的图像检索方法
- 下一篇：图像特征点的提取方法和装置
