[发明专利]一种基于微卷积神经网络的车辆实时检测方法有效
| 申请号： | 201811310577.7 | 申请日： | 2018-11-06 |
| 公开（公告）号： | CN109522831B | 公开（公告）日： | 2023-06-02 |
| 发明（设计）人： | 徐琴珍;张旭帆;廖如天;曹钊铭;杨绿溪;金圣峣 | 申请（专利权）人： | 中科院—南京宽带无线移动通信研发中心 |
| 主分类号： | G06V20/58 | 分类号： | G06V20/58;G06V10/82;G06N3/0464;G06N3/08 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 211100 江苏*** | 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： | 本发明公开了一种基于微卷积神经网络的车辆实时检测方法，所述的检测方法为：(1)对输入图像进行预处理，将其转化为灰度图像，并将该灰度图像的灰度值归一化到[0,1]之间或者[‑1,1]之间，并且重组到统一的大小；(2)将步骤(1)所得到的图像数据，输入到7层微卷积神经网络中，训练该微卷积神经网络，生成不同尺度的预测框进行类别预测和回归目标位置；(3)训练记录每个迭代的训练集上的误差和验证集上测试误差；(4)判断连续5个迭代验证集上损失是否降低，如果降低，返回步骤(2)若果没有降低，终止训练，保存所述的7层微卷积神经网络的参数，并查看特征提取效果。本发明使用7层卷积神经网络结构代替复杂的VGG‑16(用于大规模图像识别的深度卷积神经网络)，可以在普通机器上进行训练和测试自己的数据集，不需要拥有超高性能的GPU(图形处理器)等高性能计算设备，也不需要预训练网络，它可以从零开始进行训练和检测。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 车辆 实时 检测 方法 | ||
【主权项】：
1.一种基于微卷积神经网络的车辆实时检测方法，其特征在于：所述的检测方法具体步骤如下：(1)对输入图像转化为灰度图像，并将灰度图像中的每一个像素点的灰度值归一化到[0,1]之间或者[‑1,1]之间，并重组到相同大小；(2)将步骤(1)所得到的图像数据，输入到7层微卷积神经网络中，训练该微卷积神经网络，生成不同尺度的预测框进行类别预测和回归目标位置；(3)训练记录每个迭代的训练集上的误差和验证集上测试误差；(4)判断连续5个迭代验证集上损失是否降低，如果降低，返回步骤(2)若没有降低，终止训练，保存所述的7层微卷积神经网络的参数，并查看特征提取效果。
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中科院—南京宽带无线移动通信研发中心，未经中科院—南京宽带无线移动通信研发中心许可，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/201811310577.7/，转载请声明来源钻瓜专利网。
