[发明专利]物体检测方法、神经网络的训练方法、装置和电子设备有效
| 申请号： | 201710100676.1 | 申请日： | 2017-02-23 |
| 公开（公告）号： | CN108229455B | 公开（公告）日： | 2020-10-16 |
| 发明（设计）人： | 李弘扬;刘宇;欧阳万里;王晓刚 | 申请（专利权）人： | 北京市商汤科技开发有限公司 |
| 主分类号： | G06K9/20 | 分类号： | G06K9/20;G06K9/62 |
| 代理公司： | 北京康达联禾知识产权代理事务所(普通合伙) 11461 | 代理人： | 罗延红;兰淑铎 |
| 地址： | 100084 北京市海淀区中*** | 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： | 本发明实施例提供一种物体检测方法、神经网络的训练方法、装置和电子设备。物体检测方法包括：通过用于目标区域框检测的深度卷积神经网络，从待处理的图像预测获取多个融合特征图，其中，从具有至少一个下采样层的第一子网获取多个第一特征图，从具有至少一个上采样层的第二子网获取多个第二特征图，分别由多个第一特征图和多个第二特征图融合得到融合特征图。此后，再根据所述多个融合特征图获取目标区域框数据。由于这些融合特征图较好地表征了图像中高层的语义特征(如布局、前背景信息等)和低层的细节特征(如小物体信息等)，根据这些融合特征图能够有效地提取到图像中包含的大小物体的目标区域框数据，从而提高物体检测的准确性和鲁棒性。 | ||
| 搜索关键词： | 物体 检测 方法 神经网络 训练 装置 电子设备 | ||
【主权项】：
1.一种物体检测方法，包括：通过用于目标区域框检测的深度卷积神经网络，从待处理的图像预测获取多个融合特征图；其中，所述深度卷积神经网络包括第一子网和第二子网，所述第一子网具有至少一个下采样层，所述第二子网具有至少一个上采样层；所述融合特征图通过第一特征图和第二特征图得到，所述第一特征图从第一子网获取得到，所述第二特征图从第二子网获取得到；根据所述多个融合特征图获取目标区域框数据。
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北京市商汤科技开发有限公司，未经北京市商汤科技开发有限公司许可，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/patent/201710100676.1/，转载请声明来源钻瓜专利网。
