[发明专利]一种基于深度卷积网络的半监督行人检测方法在审
| 申请号： | 201910264411.4 | 申请日： | 2019-04-03 |
| 公开（公告）号： | CN110084131A | 公开（公告）日： | 2019-08-02 |
| 发明（设计）人： | 雷诗谣;吴斯 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 王东东 |
| 地址： | 510640 广*** | 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： | 本发明公开了一种基于深度卷积网络的半监督行人检测方法，包括，从公共数据集的100％完整的训练集中随机抽取5％作为半监督学习的训练集，保留其标注，作为有标注训练集，其余的95％作为未标注的训练集，删除其标注；采用改进后的RPN卷积神经网络，加入一致性约束正则项来提高网络的特征表达能力，从而提升模型的鲁棒性，另一方面通过自步学习，减小深度学习网络的对大量人工标注样本的依赖性，降低在小样本的条件下深度学习网络的过拟合风险。 | ||
| 搜索关键词： | 标注 训练集 网络 行人检测 半监督 卷积 卷积神经网络 半监督学习 公共数据集 一致性约束 人工标注 随机抽取 特征表达 鲁棒性 小样本 减小 拟合 学习 删除 样本 保留 改进 | ||
【主权项】：
1.一种基于深度卷积网络的半监督行人检测方法，其特征在于，包括S1从公共数据集的100％完整的训练集中随机抽取5％作为半监督学习的训练集，保留其标注，作为有标注训练集，其余的95％作为未标注的训练集，删除其标注；S2采用有标注的训练集训练改进后的RPN卷积神经网络，得到训练后的RPN卷积神经网络；S3采用未标注的训练集对训练后的RPN卷积神经网络进行测试，根据测试得分评估未标注样本每个候选窗口的置信度，根据置信度判断正类样本并贴上伪正类样本的标签，否则为伪负类样本；S4采用有标注的数据集及伪标注样本再次训练改进后的RPN卷积神经网络，所述伪标注样本包括伪正类样本和伪负类样本；S5重复步骤S3‑S4，直至改进后的RPN卷积神经网络性能饱和，则训练停止。
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华南理工大学，未经华南理工大学许可，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/201910264411.4/，转载请声明来源钻瓜专利网。
