[发明专利]基于卷积神经网络的目标定位方法及装置有效
| 申请号： | 201510900538.2 | 申请日： | 2015-12-08 |
| 公开（公告）号： | CN105512683B | 公开（公告）日： | 2019-03-08 |
| 发明（设计）人： | 王智玉;肖海林 | 申请（专利权）人： | 浙江宇视科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/06 |
| 代理公司： | 北京博思佳知识产权代理有限公司 11415 | 代理人： | 林祥 |
| 地址： | 310051 浙江省杭州市滨江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供基于卷积神经网络的目标定位方法及装置，该方法包括：提取训练样本的CNN特征；使用CNN特征对SVM分类器进行训练，得到第一级分类器；使用第一级分类器和训练样本在不同尺度下缩放的图像的CNN特征对SVM分类器进行训练，得到第二级分类器；提取测试样本的CNN特征，利用第一级分类器进行检测，得到多个测试目标框及对应的一级得分；利用第二级分类器对极大值抑制后的剩余测试目标框进行打分，得到每个剩余测试目标框的二级得分；对每个剩余测试目标框的一级得分和二级得分进行加权处理，并每个剩余测试目标框进行排序。应用本发明进行目标定位时并不受限于场景，而且目标定位的准确性高。 | ||
| 搜索关键词： | 基于 卷积 神经网络 目标 定位 方法 装置 | ||
【主权项】：
1.一种基于卷积神经网络的目标定位方法，其特征在于，所述方法包括：提取训练样本的卷积神经网络CNN特征；使用所述CNN特征对支持向量机SVM分类器进行训练，得到级联SVM分类器的第一级分类器；基于非极大值抑制算法，使用所述第一级分类器和所述训练样本在不同尺度下缩放的图像的CNN特征，对SVM分类器进行训练，得到所述级联SVM分类器的第二级分类器；提取测试样本的CNN特征，并且利用所述第一级分类器进行检测，得到多个测试目标框及多个测试目标框的一级得分；使用非极大值抑制算法对所述多个测试目标框进行抑制，并利用所述第二级分类器对抑制后的剩余测试目标框进行打分，得到每个剩余测试目标框的二级得分；对每个剩余测试目标框的一级得分和二级得分进行加权处理，得到每个剩余测试目标框的分数，并根据所述剩余测试目标框的分数对每个剩余测试目标框进行排序。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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浙江宇视科技有限公司，未经浙江宇视科技有限公司许可，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/patent/201510900538.2/，转载请声明来源钻瓜专利网。
