[发明专利]基于Fast R-CNN的毫米波图像目标检测与识别方法在审
| 申请号： | 201910045667.6 | 申请日： | 2019-01-17 |
| 公开（公告）号： | CN109871873A | 公开（公告）日： | 2019-06-11 |
| 发明（设计）人： | 王璐;程秋菊;陈国平;王俊杰 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 重庆百润洪知识产权代理有限公司 50219 | 代理人： | 刘立春 |
| 地址： | 400065 重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 卷积 目标检测与识别 毫米波图像 图像识别 对抗 方法提取 提取特征 网络结构 网络提取 网络 判别器 生成器 预期的 抽取 样本 | ||
1.一种基于Fast R-CNN的毫米波图像目标检测和识别方法，其特征在于，包括如下步骤：
S1、获取目标物的毫米波图像样本，进行标签处理制作成样本集；
S2、将训练集输入到Fast R-CNN网络，利用Fast R-CNN中的卷积核提取出目标物毫米波图像的特征作为特征向量进行多任务训练；
S3、通过毫米波数据采集设备采集获取待识别物的毫米波图像；
S4、将采集获取的待识别物的毫米波图像输入训练好的Fast R-CNN网络，利用Fast R-CNN网络进行目标物识别。
2.如权利要求1所述的基于Fast R-CNN的毫米波图像目标检测和识别方法，其特征在于，所述步骤S1中的样本进行了增强处理。
3.如权利要求2所述的基于Fast R-CNN的毫米波图像目标检测和识别方法，其特征在于，所述步骤S1中的样本增强处理方式为，先对原图块进行左右翻转，再对原图块以及左右翻转之后的图块分别做上下翻转，翻转后的图块全部归类为样本。
4.如权利要求1至3任一项所述的基于Fast R-CNN的毫米波图像目标检测和识别方法，其特征在于，所述步骤S1中，所述样本集分为训练集、验证集和测试集；训练集用于训练Fast R-CNN网络，验证集用于在训练过程中观察Fast R-CNN网络的损失函数是否收敛，以判断是否终止训练，测试集用于测试Fast R-CNN网络的分类准确率。
5.如权利要求4所述的基于Fast R-CNN的毫米波图像目标检测和识别方法，其特征在于，所述Fast R-CNN网络包括13个卷积层，4个池化层，1个ROI池化层，2个全连接层和2个平级层。
6.如权利要求5所述的基于Fast R-CNN的毫米波图像目标检测和识别方法，其特征在于，所述多任务训练Fast R-CNN网络的全连接输出包括cls_score层和bbox_pred层，所述cls_score层用于分类，所述bbox_pred层用于调整候选框位置。
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重庆邮电大学，未经重庆邮电大学许可，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/pat/books/201910045667.6/1.html，转载请声明来源钻瓜专利网。
