[发明专利]基于跨尺度特征融合的深度卷积神经网络目标检测方法在审
| 申请号： | 201811368196.4 | 申请日： | 2018-11-16 |
| 公开（公告）号： | CN109522958A | 公开（公告）日： | 2019-03-26 |
| 发明（设计）人： | 胡海峰;黄福强 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510260 广东*** | 国省代码： | 广东;44 |
| 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跨尺度特征融合的深度卷积神经网络目标检测方法，使用公开目标检测数据集上大量标注了物体类别及边界框信息的图片训练得到一个由三部分（深度卷积神经网络，跨尺度特征融合模块，检测器和分类器）组成的目标检测模型，并实现对任意分辨率输入图片进行处理。该发明首先由深度卷积神经网络的前馈过程生成一系列具有不同分辨率的特征图，然后跨尺度特征融合模块对不同分辨率的特征图进行融合，生成一个更具鲁棒性和辨别性的特征金字塔，最后由检测器对特征金字塔进行检测并由分类器对输出的检测结果进行分类。本发明生成的特征图能有效抑制背景干扰，对有复杂背景信息的输入图片具有很好的表现。 | ||
| 搜索关键词： | 卷积神经网络 跨尺度 目标检测 特征图 分辨率 检测器 特征融合模块 输入图片 特征融合 分类器 金字塔 背景干扰 复杂背景 公开目标 检测结果 检测数据 物体类别 有效抑制 边界框 辨别性 鲁棒性 前馈 标注 输出 分类 检测 融合 表现 图片 | ||
【主权项】：
1.一种基于跨尺度特征融合的深度卷积神经网络目标检测方法，其特征在于：包括以下步骤：S1：将待测图片输入到特征提取网络，输出不同分辨率的特征图；S2：将特征提取网络输出的两张特征图输入到跨尺度特征融合模块进行特征融合；S3：对特征融合后的特征图进行噪声抑制、降维、抗混叠处理得到新的特征图，并将处理后的特征图输入至跨尺度特征融合模块中与S1中的另一张输出特征图进行特征融合；S4：将S3得到的特征融合后的特征图进行检测、分类、计算误差并对检测模型进行训练以及参数更新，并利用训练好的模型进行目标检测。
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山大学，未经中山大学许可，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/201811368196.4/，转载请声明来源钻瓜专利网。
