[发明专利]基于深度全卷积网络的物体检测方法在审
| 申请号： | 201811047839.5 | 申请日： | 2018-09-04 |
| 公开（公告）号： | CN109284779A | 公开（公告）日： | 2019-01-29 |
| 发明（设计）人： | 芮挺;肖锋;王东;方虎生;周飞;芮思琦;刘好全;赵杰;杨成松;朱经纬;齐奕;张釜恺 | 申请（专利权）人： | 中国人民解放军陆军工程大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 210014 江苏省南京*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于深度全卷积神经网络的物体检测方法，包括如下步骤：(10)样本集收集：将样本集图像分为训练集与测试集；(20)样本标注：对样本集图像中不同的物体用长方形物体框标注出物体位置，物体框必须与物体的边缘相切；完成图像中各物体的语义标注；(30)深度卷积网络模型获取：利用标注后的训练样本，对深度卷积网络进行多任务训练，同时完成语义分割和物体边界关键点预测，利用测试集样本对深度卷积网络进行测试，得到深度卷积网络模型；(40)物体检测：利用深度卷积网络模型，对现场图像进行物体检测。本发明基于深度卷积网络的物体检测方法，采用语义分割的思想，在完成语义分割的同时完成物体的边界关键点预测，同时实现了物体定位与物体分类。 | ||
| 搜索关键词： | 卷积 物体检测 网络模型 语义分割 样本集 测试集 关键点 图像 标注 网络 卷积神经网络 长方形物体 边缘相切 物体边界 物体定位 物体分类 物体位置 现场图像 训练样本 样本标注 语义标注 训练集 预测 样本 测试 | ||
【主权项】：
1.一种基于深度全卷积神经网络的通用物体检测方法，其特征在于，包括如下步骤：(10)样本集收集：将收集到的样本集图像分为训练样本集图像与测试样本集图像两类；(20)样本标注：对训练样本集图像和测试样本集图像中的物体分别作物体框标注和语义分割标注；(30)深度卷积网络模型训练：利用标注好的训练样本对深度卷积网络进行训练，利用测试集样本对深度卷积网络进行测试，验证模型的训练效果，最终得到深度卷积网络模型；(40)实时物体检测：利用深度卷积网络模型，进行现实中实时场景下的物体检测。
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人民解放军陆军工程大学，未经中国人民解放军陆军工程大学许可，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/201811047839.5/，转载请声明来源钻瓜专利网。
