[发明专利]基于全卷积神经网络的即时目标追踪检测方法及系统

摘要

本发明公开了一种基于全卷积神经网络的即时目标追踪检测方法及系统，方法包括：S1、进行数据增强处理，得到训练样本；S2、将训练样本与第一帧对应的目标分割图以颜色通道维度进行组合；S3、将训练样本第二帧对应的目标分割图与其转置图在颜色通道维度进行组合；S4、构建全卷积对抗神经网络，其由全卷积网络和判别器网络构成；S5、训练判别器判断该分割图是由全卷积网络生成的伪造数据还是真实数据；S6、将分割图与其标签使用交叉熵计算损失值1和损失值2；S7、将步骤S5和S6轮流进行，直到全卷积网络生成尽可能接近真实的人为绘制的目标分割图。本发明依赖的数据少，运算速度快，具有即时性，可以在视频拍摄的同时就对视频中的目标进行追踪。

主权项

1.基于全卷积神经网络的即时目标追踪检测方法，其特征在于，所述包括下述步骤：S1、对数据集中的图像进行数据增强处理，得到训练样本；S2、将得到的训练样本与训练样本第一帧对应的目标分割图以颜色通道维度进行组合，生成一个新的三维数组，并将其中的所有像素值进行归一化处理；S3、将训练样本第二帧对应的目标分割图与其转置图在颜色通道维度进行组合，作为神经网络的标签，用于计算损失值；S4、构建全卷积对抗神经网络，所述全卷积对抗神经网络的主体由一个用于生成目标分割图的全卷积网络和一个用于对抗训练的判别器网络构成，其中全卷积网络神经层的设置与构造均可随着使用需求而调整，且全卷积神经网络中部没有加入分类器；S5、将全卷积网络生成的分割图与其标签分别输入判别器网络，使用该判别器进行二分类训练，让它可以判断该分割图是由全卷积网络生成的伪造数据还是人为标注的真实数据,为其伪造数据和人为标注的真实数据提供的目标值分别为，伪：[[0],[1]]，真：[[1],[0]]，交叉熵函数计算得损失值0；S6、将全卷积网络生成的分割图与其标签使用交叉熵计算损失值1，然后全卷积网络生成的分割图输入判别器网络，为其提供的目标值为，真：[[1],[0]]，使用交叉熵函数计算其损失值2；S7、将步骤S5和S6轮流进行，直到全卷积网络生成尽可能接近真实的人为绘制的目标分割图。