[发明专利]一种用于行人检测的协同式深度网络模型方法

摘要

本发明公布了一种用于行人检测的协同式深度网络模型方法，包括：构建一种新的协同式多模型学习框架来完成行人检测中的分类过程；利用人工神经元网络来整合协同式模型中各子分类器的判决结果，并借用机器学习的方法训练该网络，能够更加有效地综合各分类器反馈的信息；提出一种基于K‑means聚类算法的重采样方法，增强协同模型中各分类器的分类效果，进而提升整体分类效果。本发明通过建立协同式深度网络模型，将由聚类算法得到的不同类型的训练数据集用于并行地训练多个深度网络模型，再通过人工神经元网络将原始数据集在各个深度网络模型上的分类结果进行整合和综合分析，以实现更加精准的样本分类。

主权项

1.一种用于行人检测的协同式深度网络模型方法，通过建立协同式深度网络模型，将由聚类算法得到的不同类型的训练数据集用于并行地训练多个深度网络模型，再通过人工神经元网络将原始数据集在各个深度网络模型上的分类结果进行整合和综合分析，以实现更加精准的样本分类；包括如下步骤：1)采用基于K‑means聚类算法的重采样方法，将原始训练样本数据集按照不同特征划分为不同的子样本集；2)选取多个深度网络模型分别作为子分类器，利用上述子样本集并行地训练所述多个深度网络模型，得到多个训练好的子分类器；3)将原始训练样本数据集同时送入所述多个训练好的子分类器中，得到检测得分，将所述检测得分连接成检测得分向量，利用所述检测得分向量训练一个人工神经元网络，得到训练好的协同式深度网络模型；4)将测试数据集输入到所述训练好的协同式深度网络模型中对行人样本进行分类，得到行人样本分类。