[发明专利]基于轻量级神经网络的快速目标检测方法有效
| 申请号： | 201810483769.1 | 申请日： | 2018-05-19 |
| 公开（公告）号： | CN108647742B | 公开（公告）日： | 2021-07-13 |
| 发明（设计）人： | 刘亚洲;曹森 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 王玮 |
| 地址： | 210094 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于轻量级神经网络的快速目标检测方法。包括构建卷积神经网络、训练卷积神经网络和目标检测：定义卷积神经网络的主要模块Front module和Tinier module；定义卷积神经网络的层数和池化层位置；对数据集预处理，将其转换成目标检测框架Darknet输入的标准格式；初始化卷积神经网络的参数；通过不断迭代前向传播、反向传播训练神经网络模型；输入测试图像，利用由训练过程得到的神经网络模型计算得到检测数值结果；根据检测结果在图像上作出标注，用矩形框标出每个物体的位置和类别。使用本发明方法的检测速度更快，准确率也更高。 | ||
| 搜索关键词： | 基于 轻量级 神经网络 快速 目标 检测 方法 | ||
【主权项】：
1.一种基于轻量级神经网络的快速目标检测方法，其特征在于：包括构建卷积神经网络、训练卷积神经网络和目标检测三个过程：构建神经网络过程，包括以下步骤：1)定义卷积神经网络的主要模块Front module和Tinier module；2)定义卷积神经网络的层数和池化层位置；训练卷积神经网络过程，包括以下步骤：3)对数据集预处理，将其转换成目标检测框架Darknet输入的标准格式；4)初始化卷积神经网络的参数；5)通过不断迭代前向传播、反向传播训练神经网络模型；目标检测过程，包括以下步骤：6)输入测试图像，利用由训练过程得到的神经网络模型计算得到检测数值结果；7)根据检测结果在图像上作出标注，用矩形框标出每个物体的位置和类别。
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南京理工大学，未经南京理工大学许可，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/patent/201810483769.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于迁移学习的图像分类方法和系统
- 下一篇：驾驶人安全画像系统
