[发明专利]一种更快的基于深度学习的密集目标计数方法在审
| 申请号： | 201811553198.0 | 申请日： | 2018-12-19 |
| 公开（公告）号： | CN109741301A | 公开（公告）日： | 2019-05-10 |
| 发明（设计）人： | 许向阳;余睿 | 申请（专利权）人： | 北京理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100081 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及到图像处理领域，更具体地，涉及一种更快的基于深度学习的密集目标计数方法。近年来深度学习在密集目标计数领域取得了不错的发展，但是存在着模型较大检测速度较慢的问题，且大多数的研究只针对特定场景，无法很快应用到其他场景。本发明提出了一种更小的网络结构，不仅保证了一定的准确性，还大大增加了检测速度，将具备搭载到移动手持等轻便设备的可能性。而且为了处理更多的场景，将不同的密集目标整合一起训练，检测结果也保持稳定。这样就可以在实际应用中处理多种场景的密集目标计数问题，例如实时监控商场的人群数目来做出相应的人流控制，防止出现安全事故，快速检测工厂里的钢筋数目将大大增加工作效率带来更大的效益。 | ||
| 搜索关键词： | 场景 图像处理领域 安全事故 工作效率 计数领域 计数问题 检测结果 快速检测 目标整合 轻便设备 人流控制 实时监控 网络结构 检测 学习 应用 钢筋 人群 移动 保证 研究 | ||
【主权项】：
1.一种更块的基于深度学习的密集目标计数方法，其特征是：在基于深度学习的技术上，构建一种新的轻量化神经网络结构，并通过学习生成相似的测试图片的密度图的方式，实现对密集目标的图片进行快速数目统计的目标，其最终的效果在保证较好准确率的同时大大地加快了识别速度，其网络结构的规模远低于其他同类算法。
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北京理工大学，未经北京理工大学许可，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/201811553198.0/，转载请声明来源钻瓜专利网。
