[发明专利]基于卷积神经网络的小目标检测方法及检测系统有效
| 申请号： | 201910226704.3 | 申请日： | 2019-03-25 |
| 公开（公告）号： | CN109886359B | 公开（公告）日： | 2021-03-16 |
| 发明（设计）人： | 布芳;贾静;姜光;李小平;刘彦明 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 西安知诚思迈知识产权代理事务所(普通合伙) 61237 | 代理人： | 闵媛媛 |
| 地址： | 710126 陕西省*** | 国省代码： | 陕西;61 |
| 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卷积神经网络的小目标检测方法及检测模型，检测方法包括：对训练集图像中的小目标进行标注，建立小目标数据集；搭建以caffe‑ssd为底层的训练平台；构建加强低层特征融合的单步检测器模型ELFSSD；采用预训练的VGG‑16网络初始化构建的模型，输入lmdb格式的小目标数据集，进行迭代训练；采用训练好的单步检测器模型ELFSSD对检测集图像中的小目标进行检测。加强低层特征，去除高层冗余特征，简化了检测流程，提高检测速度，实时准确地检测出图像中的小目标，解决了现有技术中小目标检测效果差的问题。 | ||
| 搜索关键词： | 基于 卷积 神经网络 目标 检测 方法 系统 | ||
【主权项】：
1.一种基于卷积神经网络的小目标检测方法，其特征在于，具体按照以下步骤进行：步骤S1，对训练集图像中的小目标进行标注，建立小目标数据集；步骤S2，配置环境，搭建以caffe‑ssd为低层的训练平台；步骤S3，构建加强低层特征融合的单步检测器模型ELFSSD：在基于回归的单步检测器SSD模型基础上，修改原SSD模型输入层的数据增强部分、特征提取部分，在预测网络部分将小目标信息丰富的低层特征与相邻卷积层融合，更新损失函数；步骤S4，采用预训练的VGG‑16网络初始化步骤S3构建的模型，输入lmdb格式的小目标数据集，进行迭代训练；步骤S5，采用训练好的单步检测器模型ELFSSD对检测集图像中的小目标进行检测。
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西安电子科技大学，未经西安电子科技大学许可，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/201910226704.3/，转载请声明来源钻瓜专利网。
