[发明专利]一种融合型神经网络的人员再检测方法在审
| 申请号： | 201910970957.1 | 申请日： | 2019-10-12 |
| 公开（公告）号： | CN110728238A | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 杨会成;潘玥;储慧敏 | 申请（专利权）人： | 安徽工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 32243 南京正联知识产权代理有限公司 | 代理人： | 胡定华 |
| 地址： | 24100*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种融合型神经网络的人员再检测方法，首先针对数据集小，训练样本不足问题，提出利用改进型的生成式对抗网络(GAN)扩大数据集；然后利用颜色模型HSV和尺度不变局部三元模式结合神经网络特征融合的方案有效地解决提取特征的问题；再者，在分类模型中，利用交叉熵损失来进行计算相似度量。此外，神经网络选用了收敛速度快，提取效果好的残差网络，并在最后的卷积层前加入了Dropout层，旨在防止过拟合。实验结果表明，在样本较少时，通过该特征融合方案有效的提取特征，具有一定的应用价值。 | ||
| 搜索关键词： | 神经网络 特征融合 提取特征 数据集 结合神经网络 分类模型 三元模式 相似度量 训练样本 颜色模型 改进型 交叉熵 融合型 生成式 有效地 残差 卷积 拟合 收敛 样本 尺度 网络 对抗 检测 应用 | ||
【主权项】：
1.一种融合型神经网络的人员再检测方法，其特征在于：所述方法分为三个部分组成，第一部分涉及生成式对抗网络，利用生成式对抗网络GAN扩大数据集；第二部分为卷积神经网络，利用卷积，池化，激活函数基本操作来处理利用GAN网络产生的生成图像，结合额外的手动特征来提取输入图像，然后外接一个融合层，将卷积神神经网络和手动提取的特征进行融合，得到一个表征更完备的图像描述特征；第三部分为将最小化交叉熵应用于分类模型中，对人员再检测进行精度排序。/n
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安徽工程大学，未经安徽工程大学许可，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/201910970957.1/，转载请声明来源钻瓜专利网。
