[发明专利]基于Fast R-CNN的毫米波图像目标检测与识别方法在审
| 申请号： | 201910045667.6 | 申请日： | 2019-01-17 |
| 公开（公告）号： | CN109871873A | 公开（公告）日： | 2019-06-11 |
| 发明（设计）人： | 王璐;程秋菊;陈国平;王俊杰 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 重庆百润洪知识产权代理有限公司 50219 | 代理人： | 刘立春 |
| 地址： | 400065 重*** | 国省代码： | 重庆;50 |
| 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Fast R‑CNN的毫米波图像目标检测与识别方法，包括下列步骤；S1：有条件的深度卷积生成对抗网络(C‑DCGAN)模型；S2：将条件加入深度卷积生成对抗网络中的生成器，利用卷积网络提取特征的能力加上条件辅以训练；S3：将训练好的C‑DCGAN中的判别器部分抽取出来，添加Softinax后形成用于图像识别的新网络结构；利用该方法提取特征用于图像识别，条件深度卷积对抗网络不仅可以在条件的限制下生成预期的样本，而且利用卷积层提取特征的能力较为高。 | ||
| 搜索关键词： | 卷积 目标检测与识别 毫米波图像 图像识别 对抗 方法提取 提取特征 网络结构 网络提取 网络 判别器 生成器 预期的 抽取 样本 | ||
【主权项】：
1.一种基于Fast R‑CNN的毫米波图像目标检测和识别方法，其特征在于，包括如下步骤：S1、获取目标物的毫米波图像样本，进行标签处理制作成样本集；S2、将训练集输入到Fast R‑CNN网络，利用Fast R‑CNN中的卷积核提取出目标物毫米波图像的特征作为特征向量进行多任务训练；S3、通过毫米波数据采集设备采集获取待识别物的毫米波图像；S4、将采集获取的待识别物的毫米波图像输入训练好的Fast R‑CNN网络，利用Fast R‑CNN网络进行目标物识别。
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重庆邮电大学，未经重庆邮电大学许可，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/201910045667.6/，转载请声明来源钻瓜专利网。
