[发明专利]基于卷积神经网络目标实时检测模型的特征提取方法

摘要

本发明公开了一种基于卷积神经网络目标实时检测模型的特征提取方法，包括下述步骤：图片数据预处理；构建并加载改进的卷积神经网络目标实时检测模型；生成区域矩阵向量并执行池化操作；然后采用一个滑动窗口扫描网格，进行卷积与池化操作计算出滑动窗口内单元格的特征向量；将特征向量进行卷积操作；最后输入分类函数Softmax，计算图片数据的预测概率估计值，并采用滑动窗口合并方法获得滑动窗口与真实检测对象区域最大重叠面积对应的目标区域的特征；输出特征模型。本发明具有能提高较小目标的识别能力、且在特征提取过程中信息不易丢失的特点。

主权项

一种基于卷积神经网络目标实时检测模型的特征提取方法，包括下述步骤：（1）图片数据预处理：针对每张图片获得真实目标区域坐标，生成每张图片中真实目标的坐标信息文件；（2）构建并加载改进的卷积神经网络目标实时检测模型：该模型在输入图像后，增加了一个最大池化层；（3）生成区域矩阵向量：根据坐标信息文件，生成每张图片的若干个目标候选区域矩阵向量；（4）将候选区域矩阵向量作为第一层的输入，将其结果作为第二层的输入；（5）执行池化操作；（6）将步骤（5）中的结果作为输入，采用一个滑动窗口扫描网格，进行卷积与池化操作计算出滑动窗口内单元格的特征向量；（7）将步骤（6）所得的特征向量作为卷积层的输入，进行卷积操作；（8）将步骤（7）的输出作为全连接层的输入，进行卷积操作；（9）将步骤（8）的输出作为分类函数Softmax的输入，计算图片数据的预测概率估计值，并采用滑动窗口合并方法获得滑动窗口与真实检测对象区域最大重叠面积对应的目标区域的特征；（10）将对应的目标区域的特征保存到特征模型中每一个类别相对应的位置；（11）输出特征模型。