[发明专利]一种基于darknet框架的物体检测系统

摘要

本发明公开了一种基于darknet框架的物体检测系统，包括预处理单元、模型训练单元和定位识别单元，本系统模型训练简单，整个系统是端到端(输入图片，输出检测框)的，并且可以实现实时检测。该系统采用全图信息来进行预测。与滑动窗口方法和region proposal‑based方法不同，网络模型在训练和预测过程中可以利用全图信息，对目标框的定位更加准确。系统可以学习到目标的概括信息，并具有一定普适性。采用自然图片训练网络模型，然后采用艺术图像来预测，与比其它目标检测方法而言准确率高很多。该系统可以适应于不同的应用场景和检测目标，只需要用相应的数据集对系统进行训练即可。

主权项

一种基于darknet框架的物体检测系统，其特征在于，包括模型训练单元，用于设计darknet网络模型,darknet网络模型为卷积层和池化层的交替连接，对训练参数(包括学习率、)进行调整，利用数据集训练得到模型的权重参数；预处理单元，用于收集合适的图片集，对图片集中的每一张图片进行物体标注，然后将标注信息转换成darknet训练所需的标注格式，并按照一定的比例生成相应的训练、验证、测试图片集；定位识别单元；对预处理单元收集到的图片进行识别处理；模型训练单元分别连接预处理单元和定位识别单元。