[发明专利]基于深度学习的交通目标检测与测距方法有效
| 申请号： | 201810314076.X | 申请日： | 2018-04-10 |
| 公开（公告）号： | CN108830131B | 公开（公告）日： | 2021-05-04 |
| 发明（设计）人： | 晁涌耀;梁艳菊;常嘉义 | 申请（专利权）人： | 昆山微电子技术研究院 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 北京辰权知识产权代理有限公司 11619 | 代理人： | 刘广达 |
| 地址： | 215347 江苏省苏州市昆山祖冲*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于深度学习的交通目标检测与测距方法，包括：算法模型训练步骤，选择车辆附近的图像区域样本，对图像增加样本，对增加的样本改变像素使其成为具有相等强度的图像，最后进行深度学习训练得到模型；算法模型预测步骤，基于训练得到的模型，选择车辆附近的图像区域样本，对图像区域样本对比度归一化，再进行深度卷积神经网络预测，输出图像数据。本发明使用深度学习方法将目标的识别与测距统一在单一的网络模型下，完成对交通目标的检测与测距，使系统达到了性能和效率的平衡，速度方面极佳，完全满足实时性要求。 | ||
| 搜索关键词： | 基于 深度 学习 交通 目标 检测 测距 方法 | ||
【主权项】：
1.基于深度学习的交通目标检测与测距方法，其特征在于，包括：算法模型训练步骤，选择车辆附近的图像区域样本，对图像增加样本，对增加的样本改变像素使其成为具有相等强度的图像，最后进行深度学习训练得到模型；算法模型预测步骤，基于所述训练得到的模型，选择车辆附近的图像区域样本，对所述图像区域样本对比度归一化，再进行深度卷积神经网络预测，输出图像数据。
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昆山微电子技术研究院，未经昆山微电子技术研究院许可，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/201810314076.X/，转载请声明来源钻瓜专利网。
