申请/专利权人:神思电子技术股份有限公司
申请日:2020-06-30
公开(公告)日:2020-10-23
公开(公告)号:CN111814635A
主分类号:G06K9/00(20060101)
分类号:G06K9/00(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:有效-授权
法律状态:2023.11.03#授权;2020.11.10#实质审查的生效;2020.10.23#公开
摘要:本发明公开一种基于深度学习的烟火识别模型建立方法和烟火识别方法,所述烟火识别模型建立方法利用gan网络对烟火图片和要检测区域的正常图片进行合成,可以增加实际应用场景中数据集的样本数,之后通过yolov3标注、训练、验证得出要建立的烟火识别模型。本方法可以解决传统烟火识别方法中烟火特征抽象、形体多样、特征不明显不具体的问题,同时解决实际应用场景中烟火图像数据较小或没有的情况。所述烟火识别方法基于上述建立的烟火识别模型,对大场景远距离图像识别中产生的误判问题进行了解决。
主权项:1.一种基于深度学习的烟火识别模型建立方法,其特征在于:包括以下步骤:S01)、图像采集,采集的图像包括两类,一类为烟火图片,另一类为要检测区域的正常图片;S02)、gan网络合成,采用gan网络合成技术对两类图片进行合成,生成以正常图片为背景的合成图片,用以增加实际应用场景中的数据集的样本数;S03)、图像标注,图像标注过程中比较烟火在标注框占比是否超过12,如果是,则进入步骤S04,如果不是,则进入步骤S05;S04)、直接进行烟火标注;S05)、进行烟火重标注,将烟火部分进行分割,保证每部分中烟火的占比不低于标注框的12;S06)、用yolov3目标检测框架对标注的训练集进行训练,训练集包括网络爬虫的烟火图像数据以及经过gan网络合成的数据;S07)、yolov3目标检测框架训练出多个模型,在置信度0.5、iou为0.3时,经过验证集得出的准确率最高的模型就是所建立的烟火识别模型。
全文数据:
权利要求:
百度查询: 神思电子技术股份有限公司 基于深度学习的烟火识别模型建立方法和烟火识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。