[发明专利]一种多特征提取网络的目标检测方法

权利要求书

1.一种多特征提取网络的目标检测方法，其特征在于：包括，

搭建网络结构，针对FasterR-CNN算法不足，为候选区域生成网络和分类回归网络设置独立的特征提取网络，使候选区域生成网络学习的特征由FPN提取且不会进入到分类回归网络中，分类回归网络学习的特征由CNN提取；

初始化FPN特征提取网络，然后对候选区域网络和分类回归网络进行标准差的高斯分布随机初始化；

训练网络模型，需要分为候选区域生成网络和分类回归网络两个网络进行训练，首先搭建训练平台环境，对台标数据库的训练集数据作归一化处理为大小1280*720像素，将归一预处理后的样本输入到网络模型的输入层，运行代码，当网络达到训练次数时停止训练；

下载台标数据库，在此数据集上进行验证，将测试台标数据集依次输入训练好的所述候选区域生成网络和分类回归网络两个网络模型中进行验证测试，采用的评价指标为准确率

P＝TP/(TP+FP)

其中TP为检测出正例，FP为未检测出或检测错误的正例；P代表检测为正例的样本占正例样本的比例；

对比所述候选区域生成网络和分类回归网络两个网络模型的检测结果。

2.根据权利要求1所述多特征提取网络的目标检测方法，其特征在于：下载台标数据库，包括多个卫星卫视及网络卫视的台标，样本随机分为训练集和测试集。