[发明专利]基于卷积神经网络多层特征融合的潜在目标区域生成方法有效
| 申请号： | 201910249632.4 | 申请日： | 2019-03-29 |
| 公开（公告）号： | CN110008953B | 公开（公告）日： | 2023-04-28 |
| 发明（设计）人： | 罗荣华;廖晓雯 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06V10/25 | 分类号： | G06V10/25;G06V10/80;G06V10/82;G06N3/0464 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 林梅繁 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于深度学习和计算机视觉技术领域，涉及基于卷积神经网络多层特征融合的潜在目标区域生成方法，包括：构建基于卷积神经网络的特征提取模块，提取图像多层次特征，特征提取模块有两路输出，其中，第一路输出是特征提取模块中除去第一阶段的其他所有阶段最后一个卷积层的集合，输出多层次特征图；第二路输出是从图像中提取的图像特征；构建基于卷积神经网络的潜在目标区域生成模块，输出潜在目标区域侯选框信息；综合潜在目标区域候选框的位置置信度和分类得分，使用混合的非极大值抑制算法对潜在目标区域候选框进行筛选，得到潜在目标区域。本发明可以充分利用图像中上下层特征图的语义信息，进一步提高潜在目标区域的定位精度和鲁棒性。 | ||
| 搜索关键词： | 基于 卷积 神经网络 多层 特征 融合 潜在 目标 区域 生成 方法 | ||
【主权项】：
1.基于卷积神经网络多层特征融合的潜在目标区域生成方法，其特征在于，包括：S1、构建基于卷积神经网络的特征提取模块，提取图像多层次特征，特征提取模块有两路输出，其中，第一路输出是特征提取模块中除去第一阶段的其他所有阶段最后一个卷积层的集合，输出多层次特征图；第二路输出是从图像中提取的图像特征；S2、构建基于卷积神经网络的潜在目标区域生成模块，用于接收特征提取模块第一路输出的多层特征图，对多层次特征图进行反卷积操作，拼接形成一个整体特征图；对整体特征图进行多种卷积得到特征融合后的局部特征和全局特征不同组合的特征图；对不同组合的特征图采用不同大小和比例的滑动窗口进行扫描，对扫描到的区域进行预测和回归，使用焦点损失函数保证前背景样本数量的平衡，输出潜在目标区域侯选框信息；S3、构建基于卷积神经网络的潜在目标区域筛选模块，综合潜在目标区域候选框的位置置信度和分类得分，使用混合的非极大值抑制算法对潜在目标区域候选框进行筛选，得到潜在目标区域。
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华南理工大学，未经华南理工大学许可，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/201910249632.4/，转载请声明来源钻瓜专利网。
