买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽工程大学

摘要：本说明书一个或多个实施例提供的一种优化SSD检测模型训练方法及小目标检测方法，将SSD检测模型中的VGG16网络作为主网络，再利用残差网络对于特征信息表达能力强的优势，引入ResNet50网络作为辅助主网络，以提升网络的特征表达能力，将VGG16网络卷积后获得的卷积数据与ResNet50网络卷积后获得的卷积数据进行特征融合，将融合后的卷积数据重新进行卷积，直至达到预设次数，然后将融合数据输入到SSD后续网络中进行分类和检测，获得改进的SSD检测模型，再对SSD检测模型进行测试，直至损失函数趋于稳定，最终获得优化SSD检测模型，可以在检测速度快的同时提高SSD网络对于小目标的检测能力。

主权项：1.一种用于检测小目标的优化SSD检测模型训练方法，其特征在于，包括：获取历史图像；将历史图像划分为训练集和测试集；将训练集中的历史图像分别输入VGG16网络和ResNet50网络中进行卷积，分别获得VGG16网络图像初次卷积数据和ResNet50网络图像初次卷积数据；将所述VGG16网络图像初次卷积数据和ResNet50网络图像初次卷积数据进行特征融合，获得融合后的VGG16网络图像初次融合数据；将所述VGG16网络图像初次融合数据和ResNet50网络图像初次卷积数据返回执行分别输入VGG16网络和ResNet50网络中进行卷积的步骤，直至达到预设卷积次数，获得VGG16网络图像融合数据；将所述VGG16网络图像融合数据输入到SSD后续网络中进行分类和检测，获得改进的SSD检测模型；用测试集对改进的SSD检测模型进行测试，计算损失函数，与前一次训练得到的损失函数比较，若损失函数小于前一次训练的损失函数，则返回执行将训练集中的历史图像分别输入VGG16网络和ResNet50网络中进行卷积的步骤，直至损失函数趋于稳定，获得的SSD检测模型为优化SSD检测模型；所述预设卷积次数为三次；采用元素相加的方式对所述VGG16网络图像初次卷积数据和ResNet50网络图像初次卷积数据进行特征融合： 式中表示元素相加，表示VGG16网络的输出特征，表示ResNet50网络的输出特征，表示特征融合结果，使用作为VGG16网络下一层的输入值；从到的过程通过以ε作为1×1的卷积操作进行调整。

全文数据：

权利要求：

百度查询： 安徽工程大学 一种优化SSD检测模型训练方法及小目标检测方法