[发明专利]一种局部特征细粒度目标检测算法在审
| 申请号： | 201910365479.1 | 申请日： | 2019-04-30 |
| 公开（公告）号： | CN110197202A | 公开（公告）日： | 2019-09-03 |
| 发明（设计）人： | 龙飞;胡建国;王国良;招继恩;张海;段绪海 | 申请（专利权）人： | 杰创智能科技股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 广州专理知识产权代理事务所(普通合伙) 44493 | 代理人： | 谭昉 |
| 地址： | 510000 广东省广州市高新技*** | 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： | 本发明公开了一种局部特征细粒度目标检测算法，主要由卷积网络，通道分组网络和局部分组分类网络组成；卷积网络负责特征提取，通道分组网络以卷积层的通道为输入特征，通过对空间相关的通道进行聚类，加权和池化生成多个局部；局部分组网络进一步对图像进行各个单独部件的分类。本发明的一种多局部特征的卷积神经网络细粒度目标检测算法，无需检测框和局部部件标注即可进行细粒度检测识别，且连带地学习各个局部的区域提议参数和各个局部的特征表示，本方法的局部语义信息是基于图像中具有较强识别能力的多个作用区域。 | ||
| 搜索关键词： | 目标检测算法 分组网络 局部特征 细粒度 卷积 图像 卷积神经网络 细粒度检测 单独部件 分组分类 局部部件 局部语义 空间相关 输入特征 特征表示 特征提取 网络组成 作用区域 加权和 检测框 强识别 聚类 连带 标注 网络 提议 分类 学习 | ||
【主权项】：
1.一种局部特征细粒度目标检测算法，其特征在于，主要由卷积网络，通道分组网络和局部分组分类网络组成；卷积网络负责特征提取，通道分组网络以卷积层的通道为输入特征，通过对空间相关的通道进行聚类，加权和池化生成多个局部；局部分组网络进一步对图像进行各个单独部件的分类；整个检测算法是以完整的图像作为输入，生成若干个细粒度目标提议区域提供给后面的细粒度目标检测分类网络；卷积网络用于提取特征，通道分组网络将空间相关模式的特征进行聚类，并将其加权到邻近区域中出现峰值响应的对应部位映射中；多样化的高响应位置进一步构成了多局部特征的映射，并通过固定大小地裁剪来提取若干个局部的提议；获得了局部特征的提议后，局部分类网络就会根据基于局部的特征对图像进行进一步的分类，这些特征是从全卷积的映射特征上进行空间的池化而得到的；到该局部更好的细粒度特征。
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杰创智能科技股份有限公司，未经杰创智能科技股份有限公司许可，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/201910365479.1/，转载请声明来源钻瓜专利网。
