[发明专利]一种实时的视频目标检测方法在审
| 申请号： | 201811588266.7 | 申请日： | 2018-12-25 |
| 公开（公告）号： | CN109685008A | 公开（公告）日： | 2019-04-26 |
| 发明（设计）人： | 柏正尧;蒋冬 | 申请（专利权）人： | 云南大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 昆明大百科专利事务所 53106 | 代理人： | 何健 |
| 地址： | 650500 云南省昆*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种实时的视频目标检测方法,首先，通过低层卷积层与高层卷积层的连接提高对图像特征的利用；然后，通过对第一层预测层进行上采样操作，得到尺寸更大的特征层。最后，将得到的上采样特征层与低层网络进行通道连接，增加第二层预测，使得算法对目标的检测更为精确。本方法在目标分类准确性、目标位置预测、检测速度方面优于YOLO‑Tiny方法，在实时的视频监控、交通情况检测等领域中有很大的应用前景。 | ||
| 搜索关键词： | 检测 视频目标 上采样 特征层 低层 卷积 预测 目标分类 目标位置 情况检测 视频监控 通道连接 图像特征 第一层 算法 高层 应用 交通 网络 | ||
【主权项】：
1.一种实时的视频目标检测方法，其特征在于，通过低层卷积层与高层卷积层的连接提高对图像特征的利用；然后，通过对第一层预测层进行上采样操作，得到尺寸更大的特征层；最后，将得到的上采样特征层与低层网络进行通道连接，增加第二层预测，使得算法对目标的检测更为精确；方法包括：1)数据集来源于PASCAL VOC公共数据库，该数据库为图像识别和分类提供了一整套标准化的数据集；2)用层数更多的卷积神经网络替代层数少的网络，通过对特征的重复利用，使训练的模型对物体的分类以及位置的预测更为精确；3)通过卷积层的跨层连接，再通过上采样操作增加预测层得到目标的分类及位置；4)通过连接上采样层和低层卷积层的特征得到了更为精确的目标分类和定位结果。
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云南大学，未经云南大学许可，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/201811588266.7/，转载请声明来源钻瓜专利网。
