[发明专利]基于深度学习反卷积网络的候选边框生成和目标检测方法在审
| 申请号： | 201910128720.9 | 申请日： | 2019-02-21 |
| 公开（公告）号： | CN109948607A | 公开（公告）日： | 2019-06-28 |
| 发明（设计）人： | 师君;王琛;周泽南;周远远;杨夏青 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06N3/04;G06N3/08 |
| 代理公司： | 成都虹盛汇泉专利代理有限公司 51268 | 代理人： | 王伟 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 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深度学习反卷积网络的候选边框生成和目标检测方法，该方法包括获取检测图像数据集，构建基于反卷积网络的目标检测网络模型，训练基于反卷积网络的目标检测网络模型，利用基于反卷积网络的目标检测网络模型进行检测。本发明通过使用反卷积网络来获取候选边框，可以在不同角度、不同尺寸目标处生成自适应边框，无需对候选边框的尺寸进行设置，而是通过反卷积网络对卷积网络提取到的特征进行解析同时根据解析信息来得到目标所在区域，可以获取精简且精确的候选边框集合，提高检测网络的检测效果和检测速度。 | ||
| 搜索关键词： | 反卷积 目标检测 边框 网络 网络模型 检测 边框生成 检测图像 解析信息 所在区域 网络提取 数据集 自适应 构建 卷积 解析 集合 学习 | ||
【主权项】：
1.一种基于深度学习反卷积网络的候选边框生成和目标检测方法，其特征在于，包括以下步骤：A、获取检测图像数据集、图像像素类别标注和目标边框标注，并将检测图像数据集划分为检测图像训练集和检测图像测试集；B、采用包含卷积神经网络和反卷积网络的基于反卷积网络候选边框生成网络及候选边框分类与回归网络的目标检测网络结构，构建基于反卷积网络的目标检测网络模型；C、利用步骤A中得到的检测图像训练集对步骤B构建的基于反卷积网络的目标检测网络模型进行训练；D、利用步骤C训练后的基于反卷积网络的目标检测网络模型对步骤A中得到的检测图像测试集进行检测，并采用平均精度平均值对检测结果进行评估。
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电子科技大学，未经电子科技大学许可，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/201910128720.9/，转载请声明来源钻瓜专利网。
