[发明专利]一种目标检测装置在审
申请号: | 201811385266.7 | 申请日: | 2018-11-20 |
公开(公告)号: | CN109614990A | 公开(公告)日: | 2019-04-12 |
发明(设计)人: | 高体红 | 申请(专利权)人: | 成都通甲优博科技有限责任公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 610213 四川省成都市天府新区*** | 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: | |||
搜索关键词: | 候选框 目标检测模块 目标检测装置 图像信息 图像采集单元 存储器 目标信息 外设接口 网络单元 处理器 卷积 存储器控制器 人机交互单元 映射信息单元 标签信息 目标样本 输入执行 信息单元 样本单元 应用情景 预测目标 采集 输出 回归 检测 | ||
1.一种目标检测装置,包括存储器、存储器控制器、处理器和外设接口;
所述外设接口包含图像采集单元、人机交互单元和显示单元;
所述存储器包含目标检测模块;
所述处理器获取所述图像采集单元采集到的图像信息,然后以所述图像信息为输入执行所述目标检测模块,输出所述图像信息的目标信息;最后将所述目标信息显示于所述显示单元中;
其中所述目标检测模块包含:
获取样本单元,用于获取标注过的目标样本数据;
建立基于目标候选框的卷积网络单元,用于建立基于目标候选框的卷积网络,所述卷积网络包含特征提取网络和目标分类回归网络;
确定目标候选框的标签信息和目标样本数据的映射信息单元,用于根据所述特征提取网络和所述目标样本数据,确定目标候选框的标签信息和目标样本数据的目标标注框在所述特征提取网络最后一层特征层上的目标标注框的映射信息;
确定目标候选框的回归信息单元,用于根据所述目标候选框的标签信息和所述目标标注框的映射信息,确定所述目标候选框的回归信息;
训练基于目标候选框的卷积网络单元,用于将所述目标候选框的标签信息和所述目标候选框的回归信息作为所述目标候选框的真值数据,训练所述卷积网络,当所述卷积网络模拟出所述目标候选框的真值数据的分布时,训练结束;
预测目标单元,接收待测目标图像,用于通过所述卷积网络输出目标区域和目标得分进行目标预测。
2.根据权利要求1所述的装置,其特征在于,所述特征提取网络为VGG-16去除最后三层的全连接层后剩余的部分。
3.根据权利要求1所述的装置,其特征在于,所述确定目标候选框的标签信息和目标样本数据的映射信息单元,包括:
获取带映射特征图模块,用于获取所述特征提取网络的最后一层信息,记为待映射特征图;
生成目标候选框模块,用于在所述待映射特征图上,针对每一个像素位置,按照目标尺寸S和目标长宽比R,生成目标候选框;
确定目标候选框的标签信息模块,用于确定所述目标候选框的标签信息;如果所述目标候选框与所述目标样本数据的目标标注框有交集,并且其交集与其并集之比,大于预设阈值T1,则将所述目标候选框标记为正样本;如果其交集与其并集之比,小于预设阈值T2,则将所述目标候选框标记为负样本;
确定目标样本数据的映射信息模块,用于确定所述目标标注框的映射信息;计算所述特征提取网络的放缩比例,将所述目标样本数据的目标标注框映射在待映射特征图上,获得目标标注框的映射信息。
4.根据权利要求3所述的装置,其特征在于,所述生成目标候选框的个数为所述目标尺寸S的个数与所述目标长宽比R的个数的乘积。
5.根据权利要求3所述的装置,其特征在于,所述确定目标候选框的标签信息模块,还包括:
标记目标样本数据的目标标注框模块;如果目标候选框与所述标注过的目标样本数据的目标标注框有交集,并且其交集与其并集之比,大于预设阈值T1,则所述目标候选框标记为正样本,并且将所述目标标注框标记为已配对目标候选框;
统计没有与目标候选框配对的目标标注框模块;
重新将没有与目标候选框配对成功的目标标注框进行配对操作模块;针对每一个没有与目标候选框配对成功的目标标注框,计算该没有与目标候选框配对成功的目标标注框与全部目标候选框的交集与并集的比率,并进行排序;将最大的比率所对应的目标候选框,标记为正样本。
6.根据权利要求1所述的装置,其特征在于,所述确定目标候选框的回归信息单元,包括:
所述目标候选框的标签信息包含正样本和负样本;
如果所述目标候选框的标签信息为正样本,获取与所述目标候选框的交集和并集之比最大的目标标注框;计算所述目标候选框位置相对于所述目标标注框的偏移量,将所述偏移量作目标候选框的回归信息。
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成都通甲优博科技有限责任公司,未经成都通甲优博科技有限责任公司许可,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/pat/books/201811385266.7/1.html,转载请声明来源钻瓜专利网。