[发明专利]一种基于深度学习的目标检测方法

权利要求书

1.一种基于深度学习的目标检测方法，其特征在于，包括：确定包含待检测的目标区域；将所述目标区域输入到基于深度学习预先训练的检测网络中，进行前向传播，获得所述第一合格概率；对所述目标区域进行切割操作，获得多个点位；分别将每个点位输入到基于深度学习的检测网络中，进行前位传播，获得每个点位属于关键区域的合格概率；将合格概率最高的点位确定为所述目标区域的关键区域；将所述关键目标区域输入到基于深度学习的目标检测中，进行前位传播，获得所述第二合格概率；根据所述第一合格概率和所述第二合格概率，确定所述目标检测区域是否合格。

2.根据权利要求1所述的一种基于深度学习的目标检测方法，其特征在于，对所述目标区域进行点位操作，获得多个点位，包括：通过预设的滚动口对所述目标区域进行点位操作，获得多个点位。

3.根据权利要求2所述的一种基于深度学习的目标检测方法，其特征在于，所述滚动口的宽度与所述目标区域的宽度相同。

4.根据权利要求1至3任一项所述的一种基于深度学习的目标检测方法，其特征在于，所述根据所述第一合格概率和所述第二合格概率，确定所述检测区域是否合格，包括：根据所述第一合格概率、所述第二合格概率及以下公式确定所述第一合格概率和第二合格概率；根据所述第一合格概率和第二合格概率与预设的参数值大小关系，确定所述目标检测区域是否合格，所述公式为：T＝(1-ρ)P1+ρP2，其中，P1为第一合格概率，P2为第二合格概率，ρ为影响参数，N为训练样本数量。

5.根据权利要求1至3任一项所述的一种基于深度学习的目标检测方法，其特征在于，所述第一合格概率和第二合格概率包含三个积蓄层和两个全连接层。

6.根据权利要求1所述的一种基于深度学习的目标检测方法，其特征在于，包括：目标区域确定模块，用于确定包含待检测的目标区域，第一合格概率获得模块，用于将所述目标区域输入到基于深度学习预先训练的检测网络中，进行前位传送，获得所述第一合格概率；关键目标区域确定模块，用于确定所述目标区域的关键区域；第二合格概率获得模块，用于将所述关键目标区域输入到基于深度学习预先训练的检测网络中，进行前位传送，获得所述第二合格概率，第一合格概率和第一合格概率确定模块，用于根据所述第一合格概率和所述第二合格概率，确定所述目标区域是否合格；所述关键区域确定模块，包括：点位获得子模块，用于对所述目标区域进行点位操作，获得多个点位；合格概率获得子模块，用于分别将每个点位输入到基于深度学习预先训练的检测网络中，进行前位传送，获得每个点位属于关键目标区域的概率；关键目标区域确定子模块，用于将合格概率最高的点位确定为所述目标区域的关键区域。

7.根据权利要求6所述的一种基于深度学习的目标检测方法，其特征在于，所述点位获得子模块，具体用于：通过预设的滑动窗口对所述目标图片进行点位操作，获得多个点位。

8.根据权利要求6至7任一项所述的一种基于深度学习的目标检测方法，其特征在于，所述合格概率确定模块，具体用于：根据所述第一合格概率、所述第二合格概率及以下公式确定所述合格概率；根据所述合格概率与预设参数值的大小关系，确定所述目标区域是否合格；所述公式为：T＝(1-ρ)P1+ρP2；其中，P1为第一合格概率，P2为第二合格概率，ρ为影响参数。