[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)的非剛性多尺度物體檢測方法

在審

• 申請?zhí)枺?/td>: 201710989778.3
• 申請日: 2017-10-20
• 公開（公告）號: CN107818302A
• 公開（公告）日: 2018-03-20
• 發(fā)明（設(shè)計(jì)）人: 饒江浩;徐智勇;張建林
• 申請（專利權(quán)）人: 中國科學(xué)院光電技術(shù)研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于卷積神經(jīng)網(wǎng)絡(luò)的非剛性多尺度物體檢測方法，其特征是：構(gòu)造具有強(qiáng)大特征提取和學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)檢測系統(tǒng)，使得在數(shù)據(jù)集中學(xué)習(xí)到非剛性物體不同尺度上的抽象特征；再將程序移植到開發(fā)平臺，通過硬件設(shè)備輸入圖像并進(jìn)行目標(biāo)的實(shí)時(shí)檢測。

2.根據(jù)權(quán)利要求1所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)的非剛性多尺度物體檢測方法，其特征是：具有合適且準(zhǔn)確標(biāo)定的數(shù)據(jù)集，由于神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集中缺乏針對較小紅外目標(biāo)的訓(xùn)練數(shù)據(jù)集，且現(xiàn)階段神經(jīng)網(wǎng)絡(luò)在檢測較小目標(biāo)方面存在瓶頸，通過在網(wǎng)絡(luò)上尋找、篩選非標(biāo)配的數(shù)據(jù)集，編寫腳本把數(shù)據(jù)集標(biāo)注轉(zhuǎn)換為網(wǎng)絡(luò)可用的數(shù)據(jù)，在此基礎(chǔ)上，通過拍攝和標(biāo)注，擴(kuò)充了數(shù)據(jù)，形成了可訓(xùn)練的數(shù)據(jù)集。

3.根據(jù)權(quán)利要求1所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)的非剛性多尺度物體檢測方法，其特征是：具有強(qiáng)大特征提取能力和學(xué)習(xí)能力的模型，由于非剛性目標(biāo)在不同角度姿態(tài)上差異比較大，且目標(biāo)存在不同尺度，非單一場景下傳統(tǒng)方法性能受到限制，該方法采用了具有強(qiáng)大特征提取能力的分類模型——深度網(wǎng)絡(luò)，該模型將不同的網(wǎng)絡(luò)層之間密集連接，使得各層特征利用充分。

4.根據(jù)權(quán)利要求1所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)的非剛性多尺度物體檢測方法，其特征是：在硬件平臺上能夠?qū)崿F(xiàn)實(shí)時(shí)檢測；通過提取出非剛性目標(biāo)的特征，再由神經(jīng)網(wǎng)絡(luò)中的回歸層和分類層對侯選框進(jìn)行目標(biāo)識別和位置估計(jì)，這一端到端的過程同時(shí)完成目標(biāo)的識別和定位，通過區(qū)域網(wǎng)格劃分并對每個(gè)區(qū)域?qū)嵤┥鲜霾僮鳎喕怂堰^可能目標(biāo)的過程，一次性完成了目標(biāo)與非目標(biāo)的判定，從而保證了檢測的實(shí)時(shí)性，最后的非極大值抑制去處了冗余的檢測輸出。