[发明专利]一种基于YOLOv2的车辆目标检测方法、系统及设备在审
| 申请号： | 201910727746.5 | 申请日： | 2019-08-08 |
| 公开（公告）号： | CN110443208A | 公开（公告）日： | 2019-11-12 |
| 发明（设计）人： | 刘帅;易辉;史家鹏;张杰 | 申请（专利权）人： | 南京工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 南京灿烂知识产权代理有限公司 32356 | 代理人： | 赵丽 |
| 地址： | 211816 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种用于基于YOLOv2的车辆目标检测方法，步骤包括：采集图样数据并经处理获得样本数据集；构建改进的YOLOv2模型，对YOLOv2基础模型的网络结构进行改进；采用对比归一化的思想，设计损失函数；模型训练，整个网络的训练过程分为分类网络训练和检测网络训练；模型验证，使用验证数据集对训练得到的模型进行验证，测试其识别能力。并将本算法与最近比较流行的算法进行实验对比，验证算法的有效性。本发明建立的改进型YOLOv2模型能够提高对小尺度车辆目标的识别率。在各种复杂状况下，能够检测出大部分的目标车辆，识别速度和精度方面都要高于其他常规算法。 | ||
| 搜索关键词： | 车辆目标 检测 算法 系统及设备 常规算法 分类网络 复杂状况 基础模型 模型训练 模型验证 目标车辆 实验对比 损失函数 图样数据 网络结构 网络训练 训练过程 验证数据 验证算法 样本数据 整个网络 改进型 归一化 识别率 小尺度 构建 改进 验证 采集 测试 | ||
【主权项】：
1.一种基于YOLOv2网络的车辆目标检测方法，其特征包括如下步骤：步骤1，采集图样数据并经处理获得样本数据集，将样本数据集分为训练数据集和测试数据集；步骤2，基于YOLOv2模型搭建改进后的YOLOv2模型的网络结构，实现多尺度输入，改变网络结构中图层的输出尺寸；步骤3，基于对比归一化方法，建立YOLOv2模型的网络结构的损失函数；步骤4，基于损失函数，对YOLOv2模型进行训练，获得训练后YOLOv2网络结构模型；YOLOv2网络结构模型训练包括分类网络训练和检测网络训练；步骤5，基于测试数据集对训练后YOLOv2网络结构模型进行验证，测试识别能力。
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南京工业大学，未经南京工业大学许可，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/201910727746.5/，转载请声明来源钻瓜专利网。
