[发明专利]基于深度学习的全景图像对象检测方法在审
申请号: | 201810991838.X | 申请日: | 2018-08-29 |
公开(公告)号: | CN109255375A | 公开(公告)日: | 2019-01-22 |
发明(设计)人: | 焦健;连海东;李哲;张立华 | 申请(专利权)人: | 长春博立电子科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/00;G16H50/20 |
代理公司: | 长春市吉利专利事务所 22206 | 代理人: | 李晓莉 |
地址: | 130000 吉林省长春市*** | 国省代码: | 吉林;22 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供一种基于深度学习的全景图像对象检测方法,所述方法包括:S1输入测试图像;S2利用选择搜索算法在图像中提取2000个左右的候选区域;S3将每个候选区域缩放成固定的特征并传入CNN,经过运算输出CNN特征(warp)成227×227的大小并输入到CNN,将CNN的fc7层的输出作为特征;S4将每个候选区域提取到的CNN特征输入到SVM分类器进行分类。 | ||
搜索关键词: | 候选区域 对象检测 全景图像 图像 输入测试 搜索算法 特征输入 输出 固定的 缩放 运算 学习 分类 | ||
【主权项】:
1.一种基于深度学习的全景图像对象检测方法,其特征在于,包括:S1输入测试图像;S2利用选择搜索算法在图像中提取1500至2500个的候选区域;S3将每个候选区域缩放成固定的特征并传入卷积神经网络模型CNN,经过运算输出特征为分辨率227×227,并所述输出特征输入到卷积神经网络模型,将卷积神经网络模型的全连接层的输出作为特征;S4将每个候选区域提取到的特征输入到支持向量机分类器进行分类。
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长春博立电子科技有限公司,未经长春博立电子科技有限公司许可,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/201810991838.X/,转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序