[发明专利]一种基于卷积神经网络的图像检测方法及系统在审
| 申请号： | 201910067772.X | 申请日： | 2019-01-24 |
| 公开（公告）号： | CN109886307A | 公开（公告）日： | 2019-06-14 |
| 发明（设计）人： | 钱步月;王谞动;李扬;赵荣建;张先礼;侯梦薇;张寅斌;郑庆华 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 徐文权 |
| 地址： | 710049 *** | 国省代码： | 陕西;61 |
| 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图像检测方法及系统，包括以下步骤：采集获取预设数量的标注好的样本图像，预处理后获得去噪后的带标注的目标区域图像；将每个带标注的目标区域图像进行特征提取，获得每个带标注的目标区域的3D特征矩阵；用获得的所有3D特征矩阵对3D卷积神经网络弱实体检测模型进行训练，获得训练好的3D卷积神经网络弱实体检测模型；将待检测图片进行预处理和特征提取，获得待检测图片的3D特征矩阵，将待检测图片的3D特征矩阵输入训练好的3D卷积神经网络弱实体检测模型中，输出待检测图片的检测结果。本发明能够更加精确和快速的完成弱实体目标检测。 | ||
| 搜索关键词： | 卷积神经网络 特征矩阵 标注 实体检测 检测 预处理 目标区域图像 特征提取 图像检测 图片 检测结果 目标区域 实体目标 样本图像 去噪 预设 采集 输出 | ||
【主权项】：
1.一种基于卷积神经网络的图像检测方法，其特征在于，包括以下步骤：步骤1，采集获取预设数量的标注好的样本图像；对每个样本图像进行预处理，获得去噪后的带标注的目标区域图像；步骤2，对步骤1获得的每个带标注的目标区域图像进行特征提取，获得每个带标注的目标区域的3D特征矩阵；步骤3，构建3D卷积神经网络弱实体检测模型，用步骤2获得的所有3D特征矩阵对3D卷积神经网络弱实体检测模型进行训练，训练至预设收敛条件时停止，获得训练好的3D卷积神经网络弱实体检测模型；步骤4，将待检测图片按照步骤1中的预处理方法进行预处理；然后用步骤2中特征提取的方法进行特征提取，获得待检测图片的3D特征矩阵；将获得的待检测图片的3D特征矩阵输入步骤3训练好的3D卷积神经网络弱实体检测模型中，输出待检测图片的检测结果。
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西安交通大学，未经西安交通大学许可，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/201910067772.X/，转载请声明来源钻瓜专利网。
