[发明专利]一种基于深度学习的检测模型训练方法和装置有效
| 申请号： | 201910199187.5 | 申请日： | 2019-03-15 |
| 公开（公告）号： | CN109871829B | 公开（公告）日： | 2021-06-04 |
| 发明（设计）人： | 唐侃;梁小伟;郭鑫;于彬彬 | 申请（专利权）人： | 北京行易道科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G01S13/90 |
| 代理公司： | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人： | 王文红 |
| 地址： | 100192 北京*** | 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： | 本申请提供了一种基于深度学习的检测模型训练方法和装置，其中，该方法包括：利用目标车载SAR图像的灰度分割阈值T确定目标车载SAR图像对应的第一二值图像，以通过卷积神经网络对目标车载SAR图像进行特征提取得到的M维特征图像的尺寸为标准，对第一二值图像的尺寸进行调整，以得到第二二值图像，然后根据M维特征图像和第二二值图像，完成对检测模型的训练。通过上述方法对训练模型进行训练后，使用完成训练的检测模型在对车载SAR图像进行检测时，有利于提高检测效果，从而有利于使得检测结果更加准确。 | ||
| 搜索关键词： | 一种 基于 深度 学习 检测 模型 训练 方法 装置 | ||
【主权项】：
1.一种基于深度学习的检测模型训练方法，其特征在于，包括：获取携带有标记框的目标车载合成孔径雷达SAR图像和通过卷积神经网络对所述目标车载SAR图像进行特征提取得到的M维特征图像，其中，M等于所述特征图像的维度的个数；根据所述目标车载SAR图像中位于所述标记框内的第一灰度分布和所述目标车载SAR图像中位于所述标记框外的第二灰度分布，获得所述目标车载SAR图像的灰度分割阈值T；根据所述T，对所述目标车载SAR图像中的各像素点进行标记，以确定出所述目标车载SAR图像对应的第一二值图像；以所述M维特征图像的尺寸为标准，对所述第一二值图像的尺寸进行调整，以得到第二二值图像；根据所述M维特征图像和所述第二二值图像，完成对检测模型的训练。
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行易道科技有限公司，未经北京行易道科技有限公司许可，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/201910199187.5/，转载请声明来源钻瓜专利网。
