[发明专利]一种基于深度学习的车辆检测模型构建方法在审
| 申请号： | 202111245900.9 | 申请日： | 2021-10-26 |
| 公开（公告）号： | CN113989769A | 公开（公告）日： | 2022-01-28 |
| 发明（设计）人： | 李劲松;何佳 | 申请（专利权）人： | 重庆理工大学 |
| 主分类号： | G06V20/58 | 分类号： | G06V20/58;G06V10/25;G06V10/774;G06K9/62;G06N3/04 |
| 代理公司： | 成都东唐智宏专利代理事务所(普通合伙) 51261 | 代理人： | 罗言刚 |
| 地址： | 400054 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： | 一种 基于 深度 学习 车辆 检测 模型 构建 方法 | ||
1.一种基于深度学习的车辆检测模型构建方法，其特征在于：包括以下步骤：
利用集中的车辆图像，组成车辆训练数据集；
对车辆训练数据集的车辆图像进行标注，得到目标检测数据集；
改进 YOLO v4 目标检测模型的特征提取网络；
改进目标检测模型的损失函数；
构建出车辆检测识别模型。
2.根据权利要求1所述的一种基于深度学习的车辆检测模型构建方法，其特征在于：其中，利用集中的车辆图像，组成车辆训练数据集，主要包括：
提取 PASCAL VOC 数据集中车辆图像组合得到车辆训练数据集。
3.根据权利要求1所述的一种基于深度学习的车辆检测模型构建方法，其特征在于：所述标注为利用 labelImg 工具进行标注。
4.根据权利要求1所述的一种基于深度学习的车辆检测模型构建方法，其特征在于：其中，改进 YOLO v4 目标检测模型的特征提取网络，主要包括：
用深度可分离卷积的MobileNet v3 改进 YOLO v4 目标检测模型的 CSPDarknet 53特征提取网络。
5.根据权利要求1所述的一种基于深度学习的车辆检测模型构建方法，其特征在于：其中，改进目标检测模型的损失函数，主要包括：
去掉了损失函数中的类别置信度。
6.根据权利要求1所述的一种基于深度学习的车辆检测模型构建方法，其特征在于：还包括以下步骤：
在个人笔记本和/或云服务器上对车辆检测识别模型进行训练。
7.根据权利要求6所述的一种基于深度学习的车辆检测模型构建方法，其特征在于：还包括以下步骤：
利用检测精度和检测速度指标评估车辆检测识别模型。
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重庆理工大学，未经重庆理工大学许可，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/202111245900.9/1.html，转载请声明来源钻瓜专利网。
