[发明专利]一种融合型神经网络的人员再检测方法在审
| 申请号： | 201910970957.1 | 申请日： | 2019-10-12 |
| 公开（公告）号： | CN110728238A | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 杨会成;潘玥;储慧敏 | 申请（专利权）人： | 安徽工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 32243 南京正联知识产权代理有限公司 | 代理人： | 胡定华 |
| 地址： | 24100*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 神经网络 特征融合 提取特征 数据集 结合神经网络 分类模型 三元模式 相似度量 训练样本 颜色模型 改进型 交叉熵 融合型 生成式 有效地 残差 卷积 拟合 收敛 样本 尺度 网络 对抗 检测 应用 | ||
1.一种融合型神经网络的人员再检测方法，其特征在于：所述方法分为三个部分组成，第一部分涉及生成式对抗网络，利用生成式对抗网络GAN扩大数据集；第二部分为卷积神经网络，利用卷积，池化，激活函数基本操作来处理利用GAN网络产生的生成图像，结合额外的手动特征来提取输入图像，然后外接一个融合层，将卷积神神经网络和手动提取的特征进行融合，得到一个表征更完备的图像描述特征；第三部分为将最小化交叉熵应用于分类模型中，对人员再检测进行精度排序。
2.如权利要求1所述的一种融合型神经网络的人员再检测方法，其特征在于：所述GAN中的G和D为两个卷积神经网络，利用生成器G中用反卷积进行上采样，判别器D中用加入stride的卷积代替pooling，并且生成器G中使用Relu层，判别器D中使用LeakyRelu。
3.如权利要求1所述的一种融合型神经网络的人员再检测方法，其特征在于：第一部分前对图像进行预处理，对图像进行等效分割处理，将图像水平方向分为六个条带，并对每一水平条带构建图像金字塔，计算单个直方图，得到的直方图实现了视点变化的一些不变性，同时捕获了人的局部区域特征。
4.如权利要求3所述的一种融合型神经网络的人员再检测方法，其特征在于：生成图片采用残差网络ResNet来提取特征。
5.如权利要求1所述的一种融合型神经网络的人员再检测方法，其特征在于：手动特征提取的算子与CNN提取算子结合，经过一个融合层，两个特征提取通道互补得到一个2048的张量的特征来表征图像输入为：x＝[HS,RN_Features]，通过下述公式计算输出：其中h(·)表示激活函数。
6.如权利要求5所述的一种融合型神经网络的人员再检测方法，其特征在于：采用下采样层和ReLU层，下采样率设置为0.5，神经网络采用反馈传播算法，迭代公式为：
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安徽工程大学，未经安徽工程大学许可，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/pat/books/201910970957.1/1.html，转载请声明来源钻瓜专利网。
