[发明专利]基于DHT网络的R-CNN网络优化方法、存储介质

权利要求书

1.基于DHT网络的R-CNN网络优化方法，其特征在于，包括：

S1：提取各个候选框对应的特征值集；

S2：将各个特征值集中的特征值分类存储至DHT网络的不同存储块中，且特征值在存储块中的存储区域对应其候选框在图片中的排版；

S3：使用非等价进位均值算法顺序计算各个存储块中前后两组特征值的均值是否相等，合并均值相等的两组特征值的存储区域，并以所述均值为其节点ID，其中，相邻两个特征值为一组特征值；

所述S3，具体为：

S31：各个存储块以相邻两个特征值为一组特征值，由第一至第四个特征值组成的前后两组特征值开始；

S32：计算当前的前后两组特征值的均值是否相等；

S33：若相等，则合并对应两组特征值的存储区域，以所述均值为其节点ID，并标记后一组特征值为新的前一特征值，其后一组特征值为新的后一特征值，返回步骤S32；

S34：若不相等，后一组特征值向前进位一个特征值，计算前一组特征值与进位后的后一组特征值的均值是否相等；若相等，则合并对应两组特征值的存储区域，以所述均值为其节点ID，并顺序后移取进位后的后一组特征值之后的两组特征值，返回步骤S32；若不相等，则合并前一组特征值的存储区域，以所述均值为其节点ID，并顺序后移取所述进位后的后一组特征值之后的两组特征值，返回步骤S32；

S35：直至完成各个存储块的计算；

S4：将DHT网络的各个存储块的节点ID进行归一化处理后，传入R-CNN网络。

2.如权利要求1所述的基于DHT网络的R-CNN网络优化方法，其特征在于，所述S4中进行归一化处理后，得到一区分区域的图片。

3.如权利要求2所述的基于DHT网络的R-CNN网络优化方法，其特征在于，还包括：

S5：所述区分区域的图片依次经过R-CNN网络的卷积计算、向量机SVM，以及归一器后，输出检测结果。

4.如权利要求1所述的基于DHT网络的R-CNN网络优化方法，其特征在于，所述S4中进行归一化处理之前，还包括：抛弃各个存储块存储的特征值，保留各存储块的存储区域的节点ID。

5.如权利要求1所述的基于DHT网络的R-CNN网络优化方法，其特征在于，所述S1之前，还包括：

S0：图片传入网络生成预设个数的候选框。

6.如权利要求1所述的基于DHT网络的R-CNN网络优化方法，其特征在于，所述S1中提取的特征值集包括特征值：颜色空间、颜色距离、纹理距离、大小以及形状交叠。

7.如权利要求1所述的基于DHT网络的R-CNN网络优化方法，其特征在于，所述S3中，并行执行各个存储块的计算。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序在被处理器执行后，能够实现上述权利要求1-7任意一项所述的基于DHT网络的R-CNN网络优化方法所包含的步骤。