[发明专利]一种基于深度学习的目标检测模型及其训练方法有效
申请号: | 201810063755.4 | 申请日: | 2018-01-23 |
公开(公告)号: | CN108182456B | 公开(公告)日: | 2022-03-18 |
发明(设计)人: | 程栋梁;夏科睿;刘振;周如意;蒋鸣鹤;王亚运;张泉;李文兴 | 申请(专利权)人: | 哈工大机器人(合肥)国际创新研究院 |
主分类号: | G06V10/764 | 分类号: | G06V10/764;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京华际知识产权代理有限公司 11676 | 代理人: | 邓娜 |
地址: | 230601 安徽省*** | 国省代码: | 安徽;34 |
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的目标检测模型及其训练方法,模型充分发挥密集连接的结构优势,直接从零开始训练,可达到端到端的检测效果。所述模型在后端特征提取时,采用密集连接模块建立起相邻数个卷积层之间更多的关联关系,提升模型性能并减少权值参数;在前端特征图合并时,采用密集连接的形式进行特征重用,使每种尺度的特征图都引入前项特征图的特征,并建立起与顶层更短路径的连通方式,使得误差信号在反向传播中沿网络传递更深。所述模型参数更少、性能更强,弥补了传统模型严重依赖预训练的不足。该模型及其训练方法同样适用于特殊领域图像的目标检测任务,改善了从零开始训练不收敛或过拟合严重的问题。 | ||
搜索关键词: | 一种 基于 深度 学习 目标 检测 模型 及其 训练 方法 | ||
【主权项】:
1.一种基于深度学习的目标检测模型训练方法,其特征在于,包括以下步骤:步骤1:构建目标检测网络模型;步骤2:采用Xavier方法初始化目标检测网络模型中的所有权值参数;步骤3:针对特定检测任务的训练数据集进行数据增强操作;步骤4:设置网络训练参数;步骤5:将增强后的训练数据集按参数设置情况,分批输入步骤2初始化后的目标检测网络模型中,通过误差反向传播算法迭代更新网络中的各项权值参数,使得训练数据的网络预测输出尽量趋近理想输出;步骤6:迭代一定次数后判断当前模型预测输出与理想输出之间的误差是否在误差界范围内,若是则停止迭代,输出训练得到的目标检测模型及其对应参数,否则,调整网络训练参数,跳转至步骤5继续迭代训练。
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哈工大机器人(合肥)国际创新研究院,未经哈工大机器人(合肥)国际创新研究院许可,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/201810063755.4/,转载请声明来源钻瓜专利网。