[发明专利]基于GoogLeNet的卷积神经网络行人识别方法

权利要求书

1.一种基于GoogLeNet的卷积神经网络行人识别方法，其特征在于，包括以下步骤：

步骤1，开始操作，加载所需的工具包；

步骤2，定义卷积神经网络即定义GoogLeNet的神经网络模型及其神经网络结构；

步骤3，加载VOC2007+2012数据集即标注数据集中的文件夹及图片位置，生成验证和训练所需批次；

步骤4，对训练图片生成7*7网格并分别预测类别信息、坐标信息、置信度值，进行网络检测，具体步骤如下：

步骤4-1、将一张图片生成网格

将一张图片分成7*7个网格，物体的中心落在这个网格中此网格就负责预测这个物体；最后一层输出为(7*7)*(2*5+1)的维度，每个1*1*11的维度对应原图7*7个网格中的一个，1*1*11中含有class和bounding box，class对应类别预测，bounding box对应坐标预测；

步骤4-2、预测bounding box的坐标

每个网格要预测2个bounding box的坐标即X，Y，W，H，其中：中心坐标X，Y相对于对应的网格归一化到0-1之间，W，H用图像的宽度和高度归一化到0-1之间；每个bounding box除了要回归自身的位置之外，还要附带预测一个置信度值，该置信度值代表所预测的boundingbox中含有目标的置信度和预测的准确度两重信息；如果有人工标记的物体ground truebox落在一个网格里，第一项取1，否则取0；第二项是预测的bounding box和实际的groundtruth box之间的交并比IOU值；即：每个bounding box要预测X、Y、W、H、置信度共5个值，2个bounding box共10个值，对应1*1*11维度特征中的前10个；

步骤4-3、预测class类别信息

每个网格还要预测class即类别信息，官方权重中包含20个类别，现在只有person即人物一个类别；7*7的网格，每个网格要预测2个bounding box和1个类别概率，输出就是7*7*(5*2+1)；即通用公式为：S*S个网格，每个网格要预测B个bounding box还要预测C个class，输出就是S*S*(5*B+C)的一个张量；其中，class信息是针对每个网格的，confidence信息是针对每个bounding box的；

步骤5，进行网络测试，得到训练后的检测结果；

步骤6，定义模型损失函数；

步骤7，加载已训练好的权重，准备进行随机图像识别；

步骤8，输出并展示图像识别效果。

2.根据权利要求1所述的基于GoogLeNet的卷积神经网络行人识别方法，其特征在于，步骤2所述定义GoogLeNet的神经网络模型及其神经网络结构，具体为：

卷积层进行计算：

其中，表示第l层的第j个图像特征，为网络权重即卷积核，f(·)为激活函数，为偏置，为网络的输入，i代表像素值，l代表层数，M_j代表输入层的感受野。