[发明专利]基于深度学习和分组卷积的目标检测方法及系统

摘要

本发明公开了一种基于深度学习和分组卷积的目标检测方法，涉及到基于深度学习的目标检测领域；其方法设计了一种新的网络结构：双路结构，双路结构主要包括主路结构和支路结构。该目标检测方法包括以下步骤：1)、对输入图像进行预处理；2)、基于区域推荐网络在输入图像上生成大量候选区域；3)、利用基于双路结构的卷积神经网络提取各候选区域的特征；4)、将所提取的特征输入分类器，进行分类。本发明还提出一种目标检测系统，包括图像采集单元，图像分析单元，分类单元。本发明解决了数据量、计算量大所导致的检测效率低的问题，达到了降低人力成本、提高安保等工作效率的效果。

主权项

1.一种基于深度学习和分组卷积的目标检测方法，其特征在于，包括如下步骤：1)、采集图像信息；2)、依次进行图像预处理、基于区域推荐网络的候选区域生成、基于深层卷积网络的特征提取，包括如下步骤：2.1)、进行逐样本均值削减，即从图像中移除平均亮度值，并进行归一化处理；2.2)、基于深度学习算法选出图像中大量可能包括目标的区域；2.3)、基于双路结构的卷积神经网络提取出有效特征，用于表征目标；3)、将步骤2.3提取出的有效特征输入分类器，进行分类并完成可视化显示效果。