申请/专利权人：浙江大学软件学院(宁波)管理中心(宁波软件教育中心)

申请日：2022-06-13

公开（公告）日：2022-09-20

公开（公告）号：CN115082787A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/82;G06V10/80;G06V10/774;G06V10/764;G06V10/56;G06N3/04;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.10.11#实质审查的生效;2022.09.20#公开

摘要：本发明公开了一种基于CascadeR‑CNN的待采摘水果目标检测方法，该方法具体包括以下步骤：S1：采集自然环境下的水果图像；S2：扩充采集到的原始水果图像；S3：将收集到的原始水果图像划分为训练集、测试集和验证集图像，并将训练集和验证集的图像划分为原始图像和扩充后的图像；S4：人工标注训练集和验证集中的原始图像得到原始数据集；S5：将原始图像数据集输入构建好的CascadeR‑CNN网络训练得到辅助模型；S6：通过辅助模型标注扩充后的图像，得到扩充数据集；S7：将原始数据集和扩充数据集输入构建好的CascadeR‑CNN网络训练得到检测模型；S8：使用测试集在检测模型上测试。本发明使用辅助模型代替人工标注大量图像，极大降低了标注成本，提高了标注效率。

主权项：1.一种基于CascadeR-CNN的待采摘水果目标检测方法，其特征在于，该方法具体包括以下步骤：S1：采集自然环境下的水果图像；S2：将采集到的原始水果图像进行扩充；S3：将收集到的原始水果图像划分为训练集、测试集和验证集图像，并将训练集和验证集的图像划分为原始图像train_org、val_org和扩充后的图像train_aug、val_aug；S4：人工标注训练集中的原始图像：将训练集和验证集中的原始图像train_org、val_org使用labelimg人工标注得到数据集dataset_org；S5：构建CascadeR-CNN网络，将数据集dataset_org输入该网络进行训练，得到训练好的辅助模型pth_aux；S6：通过辅助模型pth_aux标注扩充后的图像train_aug、val_aug，通过辅助模型pth_aux检测水果图像中的待采摘水果目标，得到数据集dataset_aug；S7：将数据集dataset_org和dataset_aug输入构建好的CascadeR-CNN网络训练得到训练好的最终检测模型pth用于测试集图像的检测；S8：使用测试集在检测模型pth测试，输出最后的分类和定位检测框结果。

全文数据：

权利要求：

百度查询： 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) 一种基于Cascade R-CNN的待采摘水果目标检测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD