[发明专利]一种基于弱监督学习的图像目标检测方法在审
| 申请号： | 201910624287.8 | 申请日： | 2019-07-11 |
| 公开（公告）号： | CN110349148A | 公开（公告）日： | 2019-10-18 |
| 发明（设计）人： | 屈鸿;张云龙;杨昀欣;刘永胜;季江舟 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/46;G06K9/62;G06N3/04 |
| 代理公司： | 成都东唐智宏专利代理事务所(普通合伙) 51261 | 代理人： | 罗言刚 |
| 地址： | 611731 四川省成都市高新区(*** | 国省代码： | 四川;51 |
| 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弱监督学习的图像目标检测方法，属于机器视觉技术领域。首先收集图像数据集，采用多示例学习方法训练构建的基于多尺度特征图的深度卷积神经网络模型；然后输入实际图像，通过深度卷积神经网络模型提取实际图像的类别热力图；最后采用二值化图像连通区域分析方法输出类别热力图中目标的包围框，得到目标检测结果。本发明使用基于弱监督学习方法实现了图像目标检测任务，在卷积神经网络模型训练中的标注仅使用图像级分类标注信息即可完成目标检测任务，有别于现有技术所需的目标包围框标注信息，大大减少了人工标注图像中目标的工作，使得完成图像目标检测任务更具经济效益。 | ||
| 搜索关键词： | 图像目标检测 卷积神经网络 标注信息 目标检测 实际图像 包围框 学习 机器视觉技术 连通区域分析 图像 多尺度特征 二值化图像 图像数据集 模型提取 模型训练 人工标注 监督 构建 标注 输出 分类 | ||
【主权项】：
1.一种基于弱监督学习的图像目标检测方法,其特征在于，包括如下步骤：步骤1：收集图像数据集，采用多示例学习方法训练构建的基于多尺度特征图的深度卷积神经网络模型；步骤2：输入实际图像，通过深度卷积神经网络模型提取实际图像的类别热力图；步骤3：采用二值化图像连通区域分析方法输出类别热力图中目标的包围框，得到目标检测结果。
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电子科技大学，未经电子科技大学许可，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/201910624287.8/，转载请声明来源钻瓜专利网。
