[发明专利]一种适用于树莓派的轻量化深度网络图像目标检测方法有效
| 申请号： | 201910534572.0 | 申请日： | 2019-06-20 |
| 公开（公告）号： | CN110287849B | 公开（公告）日： | 2022-01-07 |
| 发明（设计）人： | 任坤;黄泷;范春奇 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 刘萍 |
| 地址： | 100124 *** | 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： | 一种适用于树莓派的轻量化深度网络图像目标检测方法，属于深度学习和目标检测领域，首先收集含有待检测目标的图像，将收集到的图像进行预处理，用于网络训练；其次将预处理后得到的图像输入到深度可分离扩张卷积神经网络进行特征提取，得到不同分辨率特征图；接着将不同分辨率特征图输入到特征金字塔网络进行特征融合，生成携带更加丰富信息的融合特征图；然后采用检测网络对融合特征图进行待检测目标的分类与定位，最后进行非极大值抑制，得到最优的目标检测结果。本发明克服了基于深度神经网络的图像目标检测方法在树莓派平台上难以实现以及基于轻量化网络的图像目标检测方法在树莓派平台上检测准确率低的困难。 | ||
| 搜索关键词： | 一种 适用于 树莓派 量化 深度 网络 图像 目标 检测 方法 | ||
【主权项】：
1.一种适用于树莓派的轻量化深度网络图像目标检测方法，其特征在于，包括以下步骤：(1)收集含有待检测目标的图像，将收集到的图像进行预处理，用于网络训练；(2)将步骤(1)预处理后得到的图像输入深度可分离扩张卷积神经网络进行特征提取，得到不同分辨率特征图；(3)选取步骤(2)得到的不同分辨率特征图输入特征金字塔网络进行特征融合，生成携带更加丰富信息的融合特征图；(4)将步骤(3)生成的融合特征图输入检测网络进行待检测目标的分类与定位，最后进行非极大值抑制，得到最优的目标检测结果。
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工业大学，未经北京工业大学许可，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/201910534572.0/，转载请声明来源钻瓜专利网。
- 上一篇：视频的生成方法及装置
- 下一篇：一种模型训练以及目标物识别的方法及装置
