[发明专利]检测器训练方法及装置、行人移动方向的检测方法及装置在审
申请号: | 201611104777.8 | 申请日: | 2016-12-05 |
公开(公告)号: | CN108154071A | 公开(公告)日: | 2018-06-12 |
发明(设计)人: | 于晓静 | 申请(专利权)人: | 北京君正集成电路股份有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 北京汇泽知识产权代理有限公司 11228 | 代理人: | 张瑾 |
地址: | 100192 北京市海淀区*** | 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: | |||
搜索关键词: | 检测器 负样本 移动方向 检测 上层 重复检测 时长 误检 下层 样本 | ||
1.一种检测器训练方法,所述检测器包括1个第一层检测器、M个第二层检测器、N个第三层检测器,其特征在于,所述方法包括:
使用第一正样本集及第一负样本集训练第一层检测器,获得1个第一层检测器;
基于所述1个第一层检测器及所述第一负样本集获取第二层检测器的第二负样本集;
针对第二层检测器的M个检测器的分类将第一正样本集分为M个第二正样本集;
使用所述第二负样本集及所述M个第二正样本集训练所述M个第二层检测器,获得M个第二层检测器;
基于所述第一层检测器、第二层检测器及第一负样本集获得第三层检测器的第三负样本集;
针对第三层检测器的N个检测器的分类将第一正样本集划分为N个第三正样本集;
使用所述第三负样本集及所述N个第三正样本集训练所述N个第三层检测器,获得N个第三层检测器。
2.根据权利要求1所述的检测器训练方法,其特征在于,所述基于所述1个第一层检测器及所述第一负样本集获得第二层检测器的第二负样本集包括:
使用所述第一层检测器检测所述第一负样本集中的样本;
将所述第一层检测器误检的所述第一负样本集中的样本选取为所述第二负样本集中的样本。
3.根据权利要求1所述的检测器训练方法,其特征在于,所述基于所述第一层检测器、第二层检测器及第一负样本集获得第三层检测器的第三负样本集包括:
使用所述第一层检测器检测所述第一负样本集中的样本;
将所述第一层检测器误检的所述第一负样本集中的样本选取为所述第二负样本集中的样本。
将所述第二层检测器误检的所述第二负样本集中的样本选取为所述第三负样本集中的样本。
4.根据权利要求3所述的检测器训练方法,其特征在于,所述将所述第二层检测器误检的所述第二负样本集中的样本选取为所述第三负样本集中的样本包括:
将所述第二负样本集中的样本依次发送给所述第二层检测器中的M个检测器;
当一个第二负样本集中的负样本被一个第二层检测器检测为正样本时,该负样本作为该第二层检测器下方的第三层检测器的负样本;
当一个第二负样本集中的负样本被一个第二层检测器检测为负样本时,发送该负样本到下一个第二层检测器检测。
5.一种检测器训练装置,所述检测器包括1个第一层检测器、M个第二层检测器、N个第三层检测器,其特征在于,包括:
第一训练单元,用于使用第一正样本集及第一负样本集训练第一层检测器,获得1个第一层检测器;
第一获取单元,用于基于所述1个第一层检测器及所述第一负样本集获取第二层检测器的第二负样本集;
第一划分单元,用于针对第二层检测器的M个检测器的分类将第一正样本集分为M个第二正样本集;
第二训练单元,用于使用所述第二负样本集及所述M个第二正样本集训练所述M个第二层检测器,获得M个第二层检测器;
第二获取单元,用于基于所述第一层检测器、第二层检测器及第一负样本集获得第三层检测器的第三负样本集;
第二划分单元,用于针对第三层检测器的N个检测器的分类将第一正样本集划分为N个第三正样本集;
第三训练单元,用于使用所述第三负样本集及所述N个第三正样本集训练所述N个第三层检测器,获得N个第三层检测器。
6.根据权利要求5所述的检测器训练装置,其特征在于,所述第一获取单元包括:
第一检测模块,用于使用所述第一层检测器检测所述第一负样本集中的样本;
第一选取模块,用于将所述第一层检测器误检的所述第一负样本集中的样本选取为所述第二负样本集中的样本。
7.根据权利要求5所述的检测器训练装置,其特征在于,所述第二获取单元包括:
第二检测模块,用于使用所述第一层检测器检测所述第一负样本集中的样本;
第二选取模块,用于将所述第一层检测器误检的所述第一负样本集中的样本选取为所述第二负样本集中的样本。
第三选取模块,用于将所述第二层检测器误检的所述第二负样本集中的样本选取为所述第三负样本集中的样本。
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北京君正集成电路股份有限公司,未经北京君正集成电路股份有限公司许可,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/pat/books/201611104777.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:人脸识别方法及装置
- 下一篇:基于深度卷积神经网络的航拍绝缘子故障自动检测