[发明专利]基于深度学习框架对图像进行特征提取的目标检测方法在审
| 申请号： | 201610542676.2 | 申请日： | 2016-07-11 |
| 公开（公告）号： | CN106203450A | 公开（公告）日： | 2016-12-07 |
| 发明（设计）人： | 赵怀瑾;周芸;王强 | 申请（专利权）人： | 国家新闻出版广电总局广播科学研究院 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62;G06K9/42 |
| 代理公司： | 天津盛理知识产权代理有限公司 12209 | 代理人： | 王利文 |
| 地址： | 100886 北京市西*** | 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： | 本发明涉及一种基于深度学习框架对图像进行特征提取的目标检测方法，其技术特点是：基于MCG算法对图像进行预处理，提取出可能存在的目标位置的图像块；基于MTSE算法优化已提取出来的图像块；将得到的图像块利用超像素优化的方法迭代调整到caffe框架输入要求的大小；利用caffe深度学习框架对图像块进行特征提取，其中模型的配置利用R‑CNN算法完成；对得到的特征利用SVM算法进行分类，得到最终结果。本发明设计合理，通过对图像进行预处理减少了特征的计算量，然后利用caffe深度学习框架提取图像的深度特征，能更好地表示物体，并用SVM分类算法对特征进行分类，获得了良好的检测结果。 | ||
| 搜索关键词： | 基于 深度 学习 框架 图像 进行 特征 提取 目标 检测 方法 | ||
【主权项】：
一种基于深度学习框架对图像进行特征提取的目标检测方法，其特征在于包括以下步骤：步骤1、基于MCG算法对图像进行预处理，提取出可能存在的目标位置的图像块；步骤2、基于MTSE算法优化已提取出来的图像块；步骤3、将得到的图像块利用超像素优化的方法迭代调整到caffe框架输入要求的大小；步骤4、利用caffe深度学习框架对步骤3得到的图像块进行特征提取，其中模型的配置利用R‑CNN算法完成；对得到的特征利用SVM算法进行分类，得到最终结果。
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国家新闻出版广电总局广播科学研究院，未经国家新闻出版广电总局广播科学研究院许可，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/201610542676.2/，转载请声明来源钻瓜专利网。
