[发明专利]一种基于FCE-SSD方法的图像目标检测方法有效
申请号: | 202110820773.4 | 申请日: | 2021-07-20 |
公开(公告)号: | CN113283428B | 公开(公告)日: | 2021-10-08 |
发明(设计)人: | 夏景明;张宇;谈玲 | 申请(专利权)人: | 南京信息工程大学 |
主分类号: | G06K9/32 | 分类号: | G06K9/32;G06K9/62;G06N3/04 |
代理公司: | 南京经纬专利商标代理有限公司 32200 | 代理人: | 田凌涛 |
地址: | 210044 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 fce ssd 方法 图像 目标 检测 | ||
1.一种基于FCE-SSD方法的图像目标检测方法,其特征在于:基于预设数量、已知其图像中目标类型对象定位信息的各幅样本图像,执行步骤i至步骤v,获得目标识别定位模型;并应用目标识别定位模型,针对目标图像实现目标类型对象的定位;
步骤i.针对VGG16卷积神经网络结构,移除其中3个全连接层,并在其中第五卷积块Conv5之后依次连接空洞卷积块FC7、第六卷积块Conv6、第七卷积块Conv7、第八卷积块Conv8、第九卷积块Conv9,构建主网络,然后进入步骤ii;其中,空洞卷积块FC7包括依次串联的两层空洞卷积层,第六卷积块Conv6、第七卷积块Conv7、第八卷积块Conv8、第九卷积块Conv9分别均包括两层卷积层;
步骤ii.分别构建第四卷积块中第三卷积层Conv4_3所对应的第一膨胀卷积块DB1、空洞卷积块FC7所对应的第二膨胀卷积块DB2、第六卷积块的第二卷积层Conv6_2所对应的第三膨胀卷积块DB3,然后进入步骤iii;
步骤iii.第四卷积块中第三卷积层Conv4_3的输出端与第一膨胀卷积块DB1的输出端分别对接第一融合模块的输入端,第一融合模块的输出端对接一个卷积核尺寸为3×3的卷积层,空洞卷积块FC7的输出端与第二膨胀卷积块DB2的输出端分别对接第二融合模块的输入端,第二融合模块的输出端对接一个卷积核尺寸为3×3的卷积层,第六卷积块中第二卷积层Conv6_2的输出端与第三膨胀卷积块DB3的输出端分别对接第三融合模块的输入端,第三融合模块的输出端对接一个卷积核尺寸为3×3的卷积层,并结合第七卷积块中第二卷积层Conv7_2的输出端、第八卷积块中第二卷积层Conv8_2的输出端、第九卷积块中第二卷积层Conv9_2的输出端,构成六路分支网络,然后进入步骤iv;
步骤iv.六路分支网络中第一融合层所对接卷积层的输出端、第二融合层所对接卷积层的输出端、第三融合层所对接卷积层的输出端、第七卷积块中第二卷积层Conv7_2的输出端、第八卷积块中第二卷积层Conv8_2的输出端、第九卷积块中第二卷积层Conv9_2的输出端分别对接SSD方法中分类定位网络的各输入端,并结合主网络,构建以主网络中第一卷积块Conv1输入端、第一膨胀卷积块DB1输入端、第二膨胀卷积块DB2输入端、第三膨胀卷积块DB3输入端为输入,SSD方法中分类定位网络的输出端为输出,构成待训练网络,然后进入步骤v;
步骤v.根据各幅样本图像,以样本图像为输入,样本图像中目标类型对象定位信息为输出,结合损失函数,针对待训练网络进行训练,获得目标识别定位模型。
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南京信息工程大学,未经南京信息工程大学许可,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/202110820773.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种涂胶量精准控制的二次涂布装置
- 下一篇:一种新能源汽车蓄电池固定装置