[发明专利]一种基于YOLOv3的视频目标检测方法在审
| 申请号： | 201910548173.X | 申请日： | 2019-06-24 |
| 公开（公告）号： | CN110363100A | 公开（公告）日： | 2019-10-22 |
| 发明（设计）人： | 刘辉;杨旭 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06T7/246;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于YOLOv3的视频目标检测方法，属于目标检测和计算机视觉技术领域。首先使用检测的图像定义视觉任务。利用特征网络对输入图像提取特征，得到一定尺寸的特征图，例如13*13，然后将输入分成13*13个网络单元，然后如果groundtruth中某个物体的中心坐标落在那个网络单元中，那么该网络单元来预测该物体。通过YOLOLv3采用多标签分类和多个规模融合的方式做预测本发明结合深度学习卷积神经网络思想，利用卷积特征替代传统手工特征，避免了传统检测问题中特征选择问题。深层卷积特征具有更好的表达能力同时解决了视频目标检测问题提供了更加泛化和简洁的解决思路。对于小目标检测效果提升有显著的效果。 | ||
| 搜索关键词： | 视频目标 网络单元 卷积 检测 计算机视觉技术 卷积神经网络 标签分类 传统检测 检测问题 目标检测 使用检测 手工特征 输入图像 特征替代 特征网络 特征选择 提取特征 图像定义 中心坐标 特征图 小目标 预测 视觉 融合 学习 | ||
【主权项】：
1.一种基于YOLOv3的视频目标检测方法，其特征在于：Step1：定义视频视觉任务；Step2：通过特征网络对输入图像提取特征，得到一定尺寸的特征图；Step3：通过groundtruth中的物体中心坐标在那个网络单元中，接着由该网络单元来预测该物体；Step4、利用边界框中和groundtruth的IOU最大的边界框来预测该物体。
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昆明理工大学，未经昆明理工大学许可，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/201910548173.X/，转载请声明来源钻瓜专利网。
