[发明专利]适用于硬件的高速卷积神经网络目标跟踪方法和装置在审
| 申请号： | 201711470430.X | 申请日： | 2017-12-28 |
| 公开（公告）号： | CN108022257A | 公开（公告）日： | 2018-05-11 |
| 发明（设计）人： | 季飞;王加庆;刘力源;吴南健;刘剑 | 申请（专利权）人： | 中国科学院半导体研究所 |
| 主分类号： | G06T7/246 | 分类号： | G06T7/246;G06T7/194 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 喻颖 |
| 地址： | 100083 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种适用于硬件的高速卷积神经网络目标跟踪方法和装置，其中该目标跟踪方法包括以下步骤：在目标跟踪过程中，采用预先训练得到的高速卷积神经网络处理高速输入的图像，通过高速计算实现指定目标的高速跟踪；其中，所述高速卷积神经网络计算检测目标位置的速度大于等于500帧/秒。本发明设计合理，通过精简卷积神经网络架构和处理模型参数减少了卷积计算量，提高了处理速度，用卷积神经网络提取了目标和背景的深度特征，能够很好的识别目标，在高速输入图像的情况下能够取得很好的跟踪效果。 | ||
| 搜索关键词： | 适用于 硬件 高速 卷积 神经网络 目标 跟踪 方法 装置 | ||
【主权项】：
1.一种适用于硬件的高速卷积神经网络目标跟踪方法，其特征在于，包括以下步骤：在目标跟踪过程中，采用预先训练得到的高速卷积神经网络处理高速输入的图像，通过高速计算实现指定目标的高速跟踪；其中，所述高速卷积神经网络计算检测目标位置的速度大于等于500帧/秒；其中，所述预先训练得到的高速卷积神经网络包含三层卷积层和一层全连接层，所述三层卷积层依次分别包含4、16、64个卷积核，全连接层2个卷积核；三层卷积层的卷积核大小都是5×5，卷积核步长都为1；每层卷积层后设置了池化层，采用最大池化法，池化核为2×2，步长为2；每层池化层后设置激活层，采用ReLU函数作为激活函数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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中国科学院半导体研究所，未经中国科学院半导体研究所许可，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/patent/201711470430.X/，转载请声明来源钻瓜专利网。
