[發(fā)明專利]圖片分類和對象檢測的同步處理方法、系統(tǒng)、存儲介質(zhì)及終端有效
| 申請?zhí)枺?/td> | 202111185199.6 | 申請日： | 2021-10-12 |
| 公開（公告）號： | CN113627416B | 公開（公告）日： | 2022-01-25 |
| 發(fā)明（設(shè)計）人： | 孔歐;劉益東;王君 | 申請（專利權(quán)）人： | 上海蜜度信息技術(shù)有限公司 |
| 主分類號： | G06V10/22 | 分類號： | G06V10/22;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 上海光華專利事務(wù)所(普通合伙) 31219 | 代理人： | 徐秋平 |
| 地址： | 201204 上海市浦東新區(qū)中國（上*** | 國省代碼： | 上海;31 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 圖片 分類 對象 檢測 同步 處理 方法 系統(tǒng) 存儲 介質(zhì) 終端 | ||
1.一種圖片分類和對象檢測的同步處理方法，其特征在于：包括以下步驟：
將圖片輸入神經(jīng)網(wǎng)絡(luò)進行卷積操作，獲取第一特征圖；
對所述第一特征圖依次進行卷積操作、池化操作和非線性函數(shù)激活操作，獲取第二特征圖，以基于所述第二特征圖獲取所述圖片的對象檢測結(jié)果；
對所述第一特征圖依次進行全局平均池化操作和全連接操作，獲取所述圖片的分類結(jié)果；
所述神經(jīng)網(wǎng)絡(luò)包括第一卷積模塊、第二卷積模塊、池化模塊、非線性函數(shù)激活模塊、全局平均池化模塊和全連接模塊；所述第一卷積模塊與所述第二卷積模塊和所述全局平均池化模塊均相連，所述第二卷積模塊、池化模塊和非線性函數(shù)激活模塊依次相連，所述全局平均池化模塊與所述全連接模塊相連；所述第一卷積模塊用于對所述圖片進行卷積操作，所述第二卷積模塊用于對所述第一特征圖進行卷積操作，所述池化模塊用于進行池化操作，所述非線性函數(shù)激活模塊用于進行非線性函數(shù)激活操作，所述全局平均池化模塊用于進行全局平均池化操作，所述全連接模塊用于進行全連接操作。
2.根據(jù)權(quán)利要求1所述的圖片分類和對象檢測的同步處理方法，其特征在于：所述神經(jīng)網(wǎng)絡(luò)采用Mobilenet神經(jīng)網(wǎng)絡(luò)。
3.根據(jù)權(quán)利要求1所述的圖片分類和對象檢測的同步處理方法，其特征在于：所述第一特征圖的像素為26*26*512。
4.根據(jù)權(quán)利要求3所述的圖片分類和對象檢測的同步處理方法，其特征在于：采用75*3*3的卷積核對所述第一特征圖進行卷積操作，所述第二特征圖的像素為26*26*75。
5.根據(jù)權(quán)利要求3所述的圖片分類和對象檢測的同步處理方法，其特征在于：對所述第一特征圖進行全局平均池化操作后獲取512個值，對所述512個值進行全連接操作后，獲取的1000個值作為所述分類結(jié)果。
6.根據(jù)權(quán)利要求1所述的圖片分類和對象檢測的同步處理方法，其特征在于：所述神經(jīng)網(wǎng)絡(luò)采用Tensorflow深度學(xué)習(xí)框架。
7.一種圖片分類和對象檢測的同步處理系統(tǒng)，其特征在于：包括卷積模塊、對象檢測模塊和分類模塊；
所述卷積模塊用于將圖片輸入神經(jīng)網(wǎng)絡(luò)進行卷積操作，獲取第一特征圖；
所述對象檢測模塊用于對所述第一特征圖依次進行卷積操作、池化操作和非線性函數(shù)激活操作，獲取第二特征圖，以基于所述第二特征圖獲取所述圖片的對象檢測結(jié)果；
所述分類模塊用于對所述第一特征圖依次進行全局平均池化操作和全連接操作，獲取所述圖片的分類結(jié)果；
所述神經(jīng)網(wǎng)絡(luò)包括第一卷積模塊、第二卷積模塊、池化模塊、非線性函數(shù)激活模塊、全局平均池化模塊和全連接模塊；所述第一卷積模塊與所述第二卷積模塊和所述全局平均池化模塊均相連，所述第二卷積模塊、池化模塊和非線性函數(shù)激活模塊依次相連，所述全局平均池化模塊與所述全連接模塊相連；所述第一卷積模塊用于對所述圖片進行卷積操作，所述第二卷積模塊用于對所述第一特征圖進行卷積操作，所述池化模塊用于進行池化操作，所述非線性函數(shù)激活模塊用于進行非線性函數(shù)激活操作，所述全局平均池化模塊用于進行全局平均池化操作，所述全連接模塊用于進行全連接操作。
8.一種存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至6中任一項所述的圖片分類和對象檢測的同步處理方法。
9.一種圖片分類和對象檢測的同步處理終端，其特征在于，包括：處理器及存儲器；
所述存儲器用于存儲計算機程序；
所述處理器用于執(zhí)行所述存儲器存儲的計算機程序，以使所述圖片分類和對象檢測的同步處理終端執(zhí)行權(quán)利要求1至6中任一項所述的圖片分類和對象檢測的同步處理方法。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海蜜度信息技術(shù)有限公司，未經(jīng)上海蜜度信息技術(shù)有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202111185199.6/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
