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：北京工业大学

摘要：一种基于Faster‑RCNN的目标检测方法，涉及计算机视觉领域。首先对Faster‑RCNN的基础特征提取网络VGG16进行改进，在VGG16的Conv1_2卷积层和Conv2_2卷积层采用相加法进行特征融合，得到新的特征，然后再将新的特征与Conv4_3卷积层的输出特征进行融合；然后将之前的两个新特征与原始网络提取的最后一层特征进行融合完成特征的融合过程，将浅层特征与高层特征融合；最后各特征分别通过各自的RPN网络进行候选框的选择，相较原始单一的RPN网络会使分类和回归的结果更为精确。该方法有效的提高了目标检测的精度，尤其是尺寸较小目标的检测精度。

主权项：1.一种基于Faster-RCNN的目标检测方法，其特征在于，具体包括以下步骤：1采集数据集，选取图像训练集和测试集：1-1数据集中应包含小目标的图像；目标面积占图像的百分之10以下称为小目标；1-2用LabelImg工具对1-1中的图像进行标注生成符合pascalVOC格式的xml文件；2修改Faster-RCNN的基础特征提取网络进行特征的融合：2-1将基础特征提取网络的Conv1_2卷积层和Conv2_2卷积层的特征用相加法进行融合，得到新的特征，记为C1；2-2将Conv4_3卷积层的输出特征与2-1中的C1特征进行融合，得到新的特征，记为C2；2-3将2-1求得的C1特征、2-2求得的C2融合特征以及特征网络最后一层Conv5_3的输出特征采取2-1中的方法进行融合，得到新的特征，记为C3；3将C1、C2、C3以及原网络结构Conv5_3层输出特征分别通过各自的RPN网络进行候选区域选择；4用训练数据集对改进的Faster-RCNN进行训练：4-1将1-2中制作好的标注图像和xml文件分别放入JPEGImages文件夹和Annotations文件夹下；4-2在pascal_voc.py中更改self._classes中的类别，添加标注的各图片的类别；4-3运行Faster-RCNN的训练脚本开始训练；5利用训练好的Faster-RCNN模型进行目标的检测：5-1将测试集图片放入到demo文件夹下；5-2运行demo脚本，参数为4-3训练完的模型参数，完成检测并查看结果。

全文数据：

权利要求：

百度查询： 北京工业大学 一种基于Faster-RCNN的目标检测方法