[发明专利]基于深度学习的利用检测识别一体化提高检测精度的方法

权利要求书

1.一种基于深度学习的利用检测识别一体化提高检测精度的方法，其中，主要包括以下步骤：

步骤1、将待检测物体的图像输入预设的用于物体检测的第一深度学习模型，以得到所述图像中多个物体的位置信息和对应的置信度；

步骤2、将步骤1得到的置信度与预设的置信度阈值的范围进行比较，并将置信度落在所述置信度阈值的范围内的物体信息根据对应的位置信息由所述图像中提取，将置信度落在所述置信度阈值的范围外的图像信息直接输出；

步骤3、将步骤2提取出的图像信息输入预设的用于物体识别的第二深度学习模型，并根据所述第二深度学习模型的识别结果对步骤2得到的物体信息进行修正，并在修正后作为检测结果输出。

2.如权利要求1所述的基于深度学习的利用检测识别一体化提高检测精度的方法，其中，步骤1中得到的物体的置信度为物体的类别置信度。

3.如权利要求2所述的基于深度学习的利用检测识别一体化提高检测精度的方法，其中，所述第一深度学习模型为基于物体检测卷积神经网络的深度学习模型；所述第二深度学习模型为基于物体识别卷积神经网络的深度学习模型，且所述第一深度学习模型和第二深度学习模型通过各种物体的样本数据联合训练得到。

4.如权利要求3所述的基于深度学习的利用检测识别一体化提高检测精度的方法，其中，通过各种物体的样本数据联合训练得到所述第一深度学习模型和第二深度学习模型的具体方法为：

步骤1-1、收集用于物体检测训练的图像，并在图像上标注需要检测的物体的位置信息和类别信息，以生成训练所需的数据库；

步骤1-2、由所述数据库内随机选取M个图像，并将选取的图像及对应的标注的位置信息和类别信息输入卷积神经网络，处理得到N个物体的位置信息及其类别置信度；

步骤1-3、从所述N个物体中选取X个物体作为正样本，并计算所述正样本的位置信息和类别置信度与所述正样本对应的图像上标注的相应物体的位置信息和类别信息的误差；

步骤1-4、从选取正样本后剩余的物体中选取Y个物体作为负样本，并计算所述负样本的类别置信度与所述负样本对应的图像上标注的相应物体的类别信息的误差；

步骤1-5、根据步骤1-3和步骤1-4得到的误差对步骤1-2中的卷积神经网络进行训练；

步骤1-6、将所述正样本和负样本对应的图像上的相应物体由图像上截取出来，并归一化至同一尺度后，输入至初级第二深度学习模型中，得到各个物体的类别信息；

步骤1-7、计算步骤1-6得到的各个物体的类别信息与图像上标注的物体的类别信息之间的误差，并根据得到的误差对所述初级第二深度学习模型进行训练；

步骤1-8、多次重复步骤1-2-1-7，对所述卷积神经网络进行多次训练即得所述第一深度学习模型；对所述初级第二深度学习模型进行多次训练即得所述第二深度学习模型。

5.如权利要求4所述的基于深度学习的利用检测识别一体化提高检测精度的方法，其中，所述正样本的选择依据为：所述正样本为N个物体中位置信息与图像上标注的物体的位置信息具有重叠区域，且所述重叠区域大于1个阈值的物体；

所述负样本的选择依据为：所述负样本为N个物体中选取正样本后剩余的物体，按照置信度由高至低排列选取的物体，且使所述负样本的个数为正样本的3倍。

6.如权利要求4所述的基于深度学习的利用检测识别一体化提高检测精度的方法，其中，根据步骤1-3和步骤1-4得到的类别置信度与对应的图像上标注的相应物体的类别信息的误差更新所述置信度阈值的范围。