[发明专利]一种基于SSD神经网络的驾驶场景车辆检测方法在审
| 申请号： | 201810846201.1 | 申请日： | 2018-07-27 |
| 公开（公告）号： | CN109002807A | 公开（公告）日： | 2018-12-14 |
| 发明（设计）人： | 赵敏;孙棣华;贾建 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 北京汇泽知识产权代理有限公司 11228 | 代理人： | 武君 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于SSD神经网络的驾驶场景车辆检测方法，包括以下步骤：构造数据集并将数据集分为训练集和测试集；在Caffe深度学习框架的基础上，将SqueezeNet作为特征提取网络；选取并合并SqueezeNet网络的6个待检测卷积层，在合并SqueezeNet网络的6个待检测卷积层后添加位置回归层和类别置信度判别层，完成训练网络模型的搭建；对训练网络模型进行初始化得到网络预训练模型；利用网络预训练模型，在制作好的数据集上，使用DSD方法进行多轮训练，得到最终的训练模型；采集前方图像并输入最终的训练模型中，然后使用非极大值抑制算法去掉多余检测框，得到检测结果。本发明可对前方车辆目标进行快速而准确的检测，是提升智能驾驶汽车的环境感知能力的有力措施。 | ||
| 搜索关键词： | 训练模型 训练网络模型 车辆检测 神经网络 网络 数据集 卷积 检测 非极大值抑制 场景 驾驶 构造数据 环境感知 检测结果 前方车辆 前方图像 特征提取 添加位置 智能驾驶 合并 测试集 初始化 检测框 训练集 置信度 多轮 算法 采集 回归 制作 汽车 学习 | ||
【主权项】：
1.一种基于SSD神经网络的驾驶场景车辆检测方法，其特征在于，包括以下步骤：构造数据集并将数据集分为训练集和测试集；在Caffe深度学习框架的基础上，将SqueezeNet作为特征提取网络；选取并合并SqueezeNet网络的6个待检测卷积层，在合并SqueezeNet网络的6个待检测卷积层后添加位置回归层和类别置信度判别层，完成训练网络模型的搭建；对训练网络模型进行初始化得到预训练模型；利用预训练模型，在制作好的数据集上，使用DSD方法进行多轮训练，得到最终的训练模型；采集前方图像并输入最终的训练模型中，然后使用非极大值抑制算法去掉多余检测框，得到检测结果。
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重庆大学，未经重庆大学许可，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/201810846201.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种QFN产品的后道封装方法
- 下一篇：一种人体行为识别方法及系统
