[发明专利]基于精简卷积神经网络的行人检测方法在审
| 申请号： | 201810673838.5 | 申请日： | 2018-06-27 |
| 公开（公告）号： | CN109165542A | 公开（公告）日： | 2019-01-08 |
| 发明（设计）人： | 芮挺;邹军华;杨成松;王东;解文彬;赵启林;殷勤;邵发明;田辉;陆鸣;张釜恺;艾勇保 | 申请（专利权）人： | 中国人民解放军陆军工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 吴茂杰 |
| 地址： | 210007 *** | 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： | 本发明公开一种基于精简卷积神经网络的行人检测方法，包括如下步骤：(10)数据集收集：将数据集图像分为训练集图像与测试集图像；(20)数据集图像预处理：对数据集图像进行尺寸变换、对比度归一化和白化处理，得到低冗余数据灰度图像；(30)精简卷积神经网络模型获取：对卷积神经网络进行训练，对训练好的卷积神经网络逐层进行剪枝，利用测试集灰度图像验证卷积神经网络的性能，得到精简深度卷积网络模型；(40)行人检测：利用精简卷积神经网络模型，对使用现场图像进行行人检测。本发明的基于精简卷积神经网络的行人检测方法，在保持网络训练精度的同时，对卷积神经网络进行精简，在减少网络规模的同时，加快行人检测的速度。 | ||
| 搜索关键词： | 卷积神经网络 行人检测 数据集图像 灰度图像 测试集 预处理 训练集图像 白化处理 尺寸变换 模型获取 冗余数据 网络规模 网络模型 网络训练 现场图像 归一化 数据集 剪枝 卷积 验证 图像 | ||
【主权项】：
1.一种基于精简卷积神经网络的行人检测方法，其特征在于，包括如下步骤：(10)数据集收集：将数据集图像分为训练集图像与测试集图像两个不同的集合；(20)数据图像预处理：对训练数据集图像和测试数据集图像进行尺寸变换、对比度归一化和白化处理，得到低冗余的训练集灰度图像和低冗余的测试集灰度图像；(30)精简卷积网络模型获取：利用低冗余训练集灰度图像，对卷积神经网络进行训练，然后通过计算网络中卷积核的相关性，在保持网络性能的前提下，对训练好的卷积神经网络逐层进行剪枝，最后利用测试集灰度图像验证卷积神经网络的性能，得到精简深度卷积网络模型；(40)行人检测：利用精简卷积神经网络模型，对使用现场图像进行行人检测。
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中国人民解放军陆军工程大学，未经中国人民解放军陆军工程大学许可，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/patent/201810673838.5/，转载请声明来源钻瓜专利网。
