[发明专利]一种增强特征学习的小目标检测及识别方法有效
| 申请号： | 201910794606.X | 申请日： | 2019-08-27 |
| 公开（公告）号： | CN110503112B | 公开（公告）日： | 2023-02-03 |
| 发明（设计）人： | 程建;林莉;李灿;周晓晔;李月男 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06V10/40 | 分类号： | G06V10/40;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/084 |
| 代理公司： | 成都智言知识产权代理有限公司 51282 | 代理人： | 徐金琼 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种增强特征学习的小目标检测及识别方法，属于图像处理、模式识别及计算机视觉领域，解决现有技术中小目标检测与识别任务检测精度低且网络效率低的问题。本发明依次构建基础网络模块、特征提取模块、候选框产生模块和预测输出模块作为小目标检测与识别网络；基于提取小目标样本图像数据，并对提取的小目标样本图像数据进行预处理；得到预处理的小目标样本图像数据输入初始化了参数的小目标检测与识别网络中进行训练，得到训练好后的小目标检测与识别网络；将待预测的小目标图像输入已经训练好的小目标检测与识别网络，通过前向传播，实现端到端地输出小目标的预测框位置与类别信息。本发明用于小目标检测与识别。 | ||
| 搜索关键词： | 一种 增强 特征 学习 目标 检测 识别 方法 | ||
【主权项】：
1.一种增强特征学习的小目标检测及识别方法，其特征在于，包括如下步骤：/nS1、依次构建用于提取小目标的特征并输出初步特征图的基础网络模块、用于在初步特征图的基础上进一步提取特征并输出特征图的两个沙漏堆栈形成的特征提取模块、基于特征图产生候选框的候选框产生模块、基于候选框进行预测框坐标回归及预测框类别分类的预测输出模块作为小目标检测与识别网络，即深度神经网络，构建后随机初始化小目标检测与识别网络的参数；/nS2、基于COCO数据集提取小目标样本图像数据，即提取像素点面积为32x32以下的小目标样本图像数据，并对提取的小目标样本图像数据进行预处理；得到预处理的小目标样本图像数据输入初始化了参数的小目标检测与识别网络中进行训练，得到训练好后的小目标检测与识别网络；/nS3、将待预测的小目标图像输入已经训练好的小目标检测与识别网络，通过前向传播，实现端到端地输出小目标的预测框位置与类别信息。/n
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电子科技大学，未经电子科技大学许可，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/201910794606.X/，转载请声明来源钻瓜专利网。
