[发明专利]一种基于深度学习的目标检测方法

摘要

本发明公开一种基于深度学习的目标检测方法，首先选取训练分类器所需训练样本；其次采用均值滤波器对训练样本进行去噪，再利用神经网络对去噪后的训练样本进行特征提取；然后用训练样本来训练分类器最后利用训练好的分类器对输入的待检测图像进行分类筛选，以检测待检测图像中是否存在想要检测的目标。本发明在RPN网络中，用掩膜的屏蔽作用，对图像上某些区域屏蔽。并针对回归边框不能准确定位，利用模拟退火算法来着重解决建议窗口与实际窗口的非线性问题。且在RPN网络前加入了池化层，使得进入RPN网络的图像是同样尺寸的，这样提高了整个Faster‑RCNN网络的实时性。

主权项

1.一种基于深度学习的目标检测方法，其特征是，包括步骤如下：步骤1、选取训练分类器所需训练样本，其中训练样本包括正例样本和负例样本，正例样本为包含有待检目标的图片，负例样本为不包含待检目标的任意图片；上述所有训练样本都被归一化为同样的尺寸大小；步骤2、采用均值滤波器对训练样本进行去噪，再利用神经网络对去噪后的训练样本进行特征提取；步骤3、用训练样本来训练分类器：步骤3.1、用预先制作的感兴趣区掩模与训练样本相乘，对于感兴趣区内的图像值保持不变，而感兴趣区外的图像值都为0，得到感兴趣区图像；步骤3.2、采用分水岭算法对掩膜处理的图像进行语义分割；步骤3.3、采用模糊C均值算法对语义分割后的图像进行像素聚类操作，生成建议窗口；步骤3.4、判断生成的建议窗口与实际窗口的重叠度是否大于设定的重叠度阈值，如果是，则用线性回归的方法对建议窗口进行调整，否则采用模拟退火算法对建议窗口进行调整；步骤3.5、将调整后的建议窗口送入到softmax分类器中进行训练，由此得到训练好的分类器；步骤4、利用训练好的分类器对输入的待检测图像进行分类筛选，以检测待检测图像中是否存在想要检测的目标。