[发明专利]一种基于YOLO v2网络的实时抓取检测方法

权利要求书

1.一种基于YOLO v2网络的实时抓取检测方法，其特征在于包括以下步骤：

步骤一：获取目标物图像，并将目标物图像的大小调整为n*n像素，128＜n＜256；

步骤二：提取目标物图像中的全部特征及全部特征对应的5维度抓取参数，然后对全部特征及全部特征对应的5维度抓取参数构建抓取检测数据集；

步骤三：利用抓取检测数据集对YOLO v2网络进行训练，并定义损失函数；

步骤四：利用训练好的神经网络进行抓取检测；

所述对YOLO v2网络进行训练采用端对端的训练方式；

所述YOLO v2网络为改进的YOLO v2网络，所述改进的YOLO v2网络的改进步骤为：

S1：修剪掉darknet19中连接在3×3卷积核后的1×1卷积核；

S2：去掉darknet19中1×1卷积核与最大池化层之间的3×3卷积核；

S3：将经过S1和S2处理后得到的6层卷积层与5层最大池化层直接与3个全连接层连接；

所述5维度抓取参数表示为：

F＝{x,y,h,w,θ}

其中，(x,y)表示抓取矩形的中心点坐标；h表示抓取矩形的高；w表示抓取矩形的宽；θ表示抓取矩形相对于图像横轴的旋转角度。

2.根据权利要求1所述的一种基于YOLO v2网络的实时抓取检测方法，其特征在于所述损失函数通过误差平方和表示，所述误差平方和表示为：

L_t＝L_c+L_a

其中，λ_c表示坐标值损失的调节因子；λ_a表示角度值损失的调节因子；L_c表示网络的坐标值损失；L_a表示网络的角度值损失；L_t表示网络的总损失，和为抓取矩形的中心点坐标标签值，为抓取矩形的高的标签值，为抓取矩形的宽的标签值，x和y为抓取矩形的中心点坐标预测值，h为抓取矩形的高的预测值，w为抓取矩形的宽的预测值。

3.根据权利要求2所述的一种基于YOLO v2网络的实时抓取检测方法，其特征在于所述抓取矩形相对于图像横轴的旋转角度θ为-90°至90°。

4.根据权利要求2所述的一种基于YOLO v2网络的实时抓取检测方法，其特征在于所述抓取矩形相对于图像横轴的旋转角度θ为-85°至85°。

5.根据权利要求1所述的一种基于YOLO v2网络的实时抓取检测方法，其特征在于所述n为224。