申请/专利权人：上海创屹科技有限公司

申请日：2020-09-10

公开（公告）日：2024-07-05

公开（公告）号：CN112084950B

主分类号：G06V10/25

分类号：G06V10/25;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2021.10.22#著录事项变更;2021.01.01#实质审查的生效;2020.12.15#公开

摘要：本申请提供了一种基于稀疏卷积神经网络的目标检测方法及检测装置，目标检测方法包括：利用获取的目标场景图像构建数据集，并对数据集中每幅图像中包含的所有检测目标进行标注；根据检测目标在图像中的比例范围，优化基准卷积神经网络的结构，得到优化后的卷积神经网络；在构建的数据集上对优化后的卷积神经网络进行损失函数添加稀疏正则化项的预训练，得到卷积神经网络；对卷积神经网络进行卷积神经网络稀疏化，得到稀疏化的卷积神经网络；在数据集上对稀疏化的卷积神经网络进行微调训练，得到最终的稀疏卷积神经网络；利用最终的稀疏卷积神经网络对目标进行检测。本申请能够在廉价的硬件上针对大场景中的小物体进行快速、精准的目标检测。

主权项：1.一种基于稀疏卷积神经网络的目标检测方法，其特征在于，包括以下步骤：利用获取的目标场景图像构建数据集，并对数据集中每幅图像中包含的所有检测目标进行标注；根据检测目标在图像中的比例范围，优化基准卷积神经网络的结构，得到优化后的卷积神经网络，其具体过程为：具体过程为：计算数据集的每幅图像中检测目标所占的比例；其中，检测目标在目标场景图像中的宽度比例rw和高度比例rh为： 其中，wo表示目标场景图像中检测目标的宽度，wi表示目标场景图像的宽度，ho表示目标场景图像中检测目标的高度，hi表示目标场景图像的高度；将满足基准卷积神经网络要求的最小输入大小的图像作为基准卷积神经网络的输入图像；其中，基准卷积神经网络的输入图像的宽度nw和高度nh满足以下约束： 基准卷积神经网络N的输入图像的宽度nw和高度nh在符合基准卷积神经网络N要求的基础上，选取满足上述约束的最小值；其中，wmin表示对检测目标进行检测所需的最小像素宽度，hmin表示对检测目标进行检测所需的最小像素高度；[rw1,rw2]表示所有检测目标在目标场景图像中的宽度比例所构成的宽度比例范围，[rh1,rh2]表示所有目标在目标场景图像中的高度比例所构成的高度比例范围；优化基准卷积神经网络N的结构，得到优化后的卷积神经网络Ni，其具体过程为：计算输入卷积神经网络的图像宽度缩放比例rwn和图像高度缩放比例rhn， 计算基准缩放比例rm，rm为满足以下约束的最大值： 将基准卷积神经网络N的维度最大的输出层的链接层更改链接到维度为nwrm*nhrm的网络层，修改相应的上采样倍率；将其他卷积神经网络输出层的链接层修改到同比例的链接层，得到优化后的卷积神经网络Ni；在构建的数据集上对优化后的卷积神经网络进行损失函数添加稀疏正则化项的预训练，得到卷积神经网络；对卷积神经网络进行卷积神经网络稀疏化，得到稀疏化的卷积神经网络；在数据集上对稀疏化的卷积神经网络进行微调训练，得到最终的稀疏卷积神经网络；利用最终的稀疏卷积神经网络对目标进行检测。

全文数据：

权利要求：

百度查询： 上海创屹科技有限公司 基于稀疏卷积神经网络的目标检测方法及检测装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD