申请/专利权人:平安科技(深圳)有限公司
申请日:2019-07-03
公开(公告)日:2024-05-07
公开(公告)号:CN110503088B
主分类号:G06V10/25
分类号:G06V10/25;G06V10/44;G06V10/764;G06V10/82;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.05.07#授权;2021.04.23#实质审查的生效;2019.11.26#公开
摘要:本发明实施例提供了一种基于深度学习的目标检测方法,包括:获取待检测的图片;将所述图片输入至改进型VGG16网络中进行图像特征提取;将所述图像特征输入至ROIPooling网络中进行池化;将池化结果输入至3*3*4的卷积核中以对所述池化结果进行微调整;及将微调整结果输入至RPN网络,后经过全连接层网络,以对目标及背景进行分类,以获取所述目标的类别信息及位置信息。通过本发明实施例,增加了系统的鲁棒性,有效的降低了维度的操作,大大减少了参数量,进而降低了算法空间复杂度及时间复杂度,极大的提高了检测准确度。
主权项:1.一种基于深度学习的目标检测方法,其特征在于,包括步骤:获取待检测的图片;将所述图片输入至改进型VGG16网络中进行图像特征提取;将所述图像特征输入至ROIPooling网络中进行池化;将池化结果输入至3*3*4的卷积核中以对所述池化结果进行微调整;及将微调整结果输入至RPN网络,后经过全连接层网络,以对目标及背景进行分类,以获取所述目标的类别信息及位置信息;所述将所述图片输入至改进型VGG16网络中进行图像特征提取的步骤之前,还包括步骤:建立所述改进型VGG16网络;其中,所述改进型VGG16网络包括5个卷积层、4个池化层及1个转换卷积层,其中,所述5个卷积层之间均设置有1个池化层,第5个卷积层后面设置所述转换卷积层,所述池化层为最大池化层,在每个卷积层之后还设置有非线性激活函数;所述将所述图片输入至改进型VGG16网络中进行图像特征提取的步骤,还包括步骤:将所述图片经过5个卷积层以及4个池化层,以分别获取各层卷积图像特征;将所述各层卷积图像特征存储于数据库中;所述将所述各层卷积图像特征存储于数据库中的步骤之后,还包括步骤:将第一层卷积图像特征进行最大池化处理以获取第一图像特征;将第三层卷积图像特征设定为第二图像特征,其中,所述第二图像特征为标准图像特征;将第五层卷积图像特征进行转换卷积处理以获取第三图像特征,其中,所述第三图像特征的大小与所述第一图像特征及所述第二图像特征的大小一致,所述大小包括宽及高。
全文数据:
权利要求:
百度查询: 平安科技(深圳)有限公司 基于深度学习的目标检测方法及电子装置
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。