[发明专利]基于卷积神经网络的道路目标检测方法在审
| 申请号： | 201810044670.1 | 申请日： | 2018-01-17 |
| 公开（公告）号： | CN108304787A | 公开（公告）日： | 2018-07-20 |
| 发明（设计）人： | 张庆辉;万晨霞;韩伟良 | 申请（专利权）人： | 河南工业大学;郑州艾毅电子科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 河南科技通律师事务所 41123 | 代理人： | 张晓辉;樊羿 |
| 地址： | 450001 河南省郑州市*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的道路目标检测方法，旨在解决现有目标检测系统网络结构复杂、精确度不高、速度慢的技术问题。在本发明中，先制作道路目标的训练集和测试集，然后搭建TensorFlow深度学习框架，建立SSD目标检测模型结构，对道路目标图像进行特征提取，然后测试并利用损失函数优化检测模型，最后使用SoftMax算法进行分类得到检测结果。本发明的有益技术效果在于：网络结构简单、速度快并且检测精度高。 | ||
| 搜索关键词： | 道路目标 卷积神经网络 网络结构 检测 目标检测系统 技术效果 检测结果 模型结构 目标检测 损失函数 特征提取 优化检测 测试集 训练集 算法 图像 测试 分类 制作 学习 | ||
【主权项】：
1.一种基于卷积神经网络的道路目标检测方法，其特征在于，包括以下步骤：（1）制作道路目标的训练集和测试集；（2）搭建TensorFlow深度学习框架并引入VGG网络结构，对道路目标图像进行特征提取，其中检测模型的配置利用SSD算法完成；（3）把多目标检测问题转换为道路目标检测，所述道路目标包括车辆、步行的人和骑行的人；（4）用交叉熵代价函数作为置信度损失函数，并与预测框与真实框之间的位置损失函数进行加权求和，得到总体的损失函数对检测模型进行优化；（5）对得到的特征利用SoftMax算法进行分类，得到检测结果。
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河南工业大学;郑州艾毅电子科技有限公司，未经河南工业大学;郑州艾毅电子科技有限公司许可，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/201810044670.1/，转载请声明来源钻瓜专利网。
