[发明专利]一种图像中的物体检测方法及装置

摘要

本发明实施例公开了一种图像中的物体检测方法及装置，用以提高目标检测的实时性。该方法中按照预设的划分方式，将待检测的图像划分为多个网格，将划分后的图像输入到预先训练完成的卷积神经网络中，获取卷积神经网络输出的所述图像的每个网格对应的特征向量，识别每个特征向量中类别参数的最大值，当该最大值大于设定阈值时，根据特征向量中中心点位置参数和外形尺寸参数，确定该类别参数对应的类别的物体的位置信息。由于本发明实施例中通过预先训练完成的卷积神经网络，确定图像中的物体的类别和位置，可以同时实现物体位置和类别的检测，无需选择多个特征区域，节省了检测的时间，提高了检测的实时性和检测的效率，并便于整体优化。

主权项

1.一种图像中的物体检测方法，其特征在于，应用于电子设备，该方法包括：/n按照预设的划分方式，将待检测的图像划分为多个网格，其中所述待检测的图像的尺寸为目标尺寸；/n将划分后的图像输入到预先训练完成的卷积神经网络中，获取卷积神经网络输出的所述图像的多个特征向量，其中每个网格对应一个特征向量；/n针对每个网格对应的特征向量，识别该特征向量中类别参数的最大值，当所述最大值大于设定阈值时，根据所述特征向量中中心点位置参数和外形尺寸参数，确定该类别参数对应类别的物体的位置信息；/n其中，所述预设的划分方式包括：/n将图像和样本图像划分为行数量和列数量相同的多个网格；/n所述方法还包括：/n根据所述卷积神经网络对子样本图像中物体的位置和类别的预测，及子样本图像中标注的目标物体的信息，确定所述卷积神经网络的误差；/n当所述误差收敛时，确定所述卷积神经网络训练完成，其中所述误差采用以下损失函数确定：/n