[发明专利]一种基于轻量神经网络的实时目标检测系统及检测方法有效
| 申请号: | 201811603571.9 | 申请日: | 2018-12-26 |
| 公开(公告)号: | CN109685017B | 公开(公告)日: | 2023-02-03 |
| 发明(设计)人: | 丁琪伟;陈龙;轩辕哲 | 申请(专利权)人: | 中山大学 |
| 主分类号: | G06V20/56 | 分类号: | G06V20/56;G06V10/764;G06N3/0464 |
| 代理公司: | 广州粤高专利商标代理有限公司 44102 | 代理人: | 陈伟斌 |
| 地址: | 510275 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: | 本发明涉及无人驾驶的技术领域,更具体地,涉及一种基于轻量神经网络的超高速实时目标检测系统及检测方法。一种基于轻量神经网络的超高速实时目标检测系统,包括视频流数据采集模块、神经网络训练模块、图像处理与检测模块、检测结果反馈模块;本发明操作流程简单、易于实施、成本低、效率高。 | ||
| 搜索关键词: | 一种 基于 神经网络 实时 目标 检测 系统 方法 | ||
【主权项】:
1.一种基于轻量神经网络的超高速实时目标检测系统,其特征在于,包括视频流数据采集模块、神经网络训练模块、图像处理与检测模块、检测结果反馈模块;视频流数据采集模块:采集车辆正前方道路的路况图像信息,将采集到的视频流以帧为单位通过数据线传输到图像处理与检测模块,供其进行下一步处理;神经网络训练模块:选定合适的轻量神经网络对需要检测的目标物体使用数据集进行调参,训练,最终生成相应的网络权重模型;利用验证数据集对模型进行评估与选择,并选择出最优的网络权重模型;使用测试数据集来测试选出的网络模型的识别精度,以测试误差作为泛化误差的近似;图像处理与检测模块:在嵌入式硬件平台上预先部署相应的轻量神经网络架构,并将在神经网络训练模块中训练得到的神经网络权重移植到本模块的硬件平台上;将视频流数据采集模块传输过来的图像送入轻量神经网络中,神经网络在权重文件的配置下对该图像进行物体种类识别和边框定位;检测结果将被输入检测结果反馈模块;检测结果反馈模块:在此模块中会将获得的检测结果通过输入输出设备以视频流的形式进行展示。
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/201811603571.9/,转载请声明来源钻瓜专利网。
- 上一篇:出租车乘客失物取回系统
- 下一篇:一种人证校验方法、系统及相关设备





