The embodiments of the present invention provide a deep learning network for event detection, a training device and a method thereof. The deep learning network includes a data layer for reading input data, a convolution layer for extracting features from input data read from the data layer, and at least two event classifiers for extracting features from the convolution layer, which are independent of each other. The detection of the same event can output the detection results of different events. Because the deep learning network has at least two independent event classifiers for detecting different events, each event classifier can independently detect and output the detection results, thus ensuring the accuracy and integrity of the event detection results. Moreover, because each event classifier only needs to detect one event, the deep learning network is in training place. The time required is short and the detection accuracy of the deep learning network trained is high.
【技术实现步骤摘要】
用于事件检测的深度学习网络、该网络的训练装置及方法
本专利技术涉及信息
,尤其涉及一种用于事件检测的深度学习网络、该网络的训练装置及方法。
技术介绍
近年来,深度学习被广泛的应用于计算机视觉领域。在深度学习的帮助下,计算机视觉领域的研究方向已经从图像分类向例如事件检测的视频分析转变。与图像分类相比,视频分析面临更多复杂的场景,事件检测也需要模型来学习更高水平的逻辑判断。图1是现有的事件检测模型的检测结果的示意图。如图1所示,对于图1所示的监控视频画面,现有的事件检测模型检测到的各个事件的发生概率为:正常(Normal)0.03、事故(Accident)0.46、拥堵(Jam)0.41、停车(Park)0.08、逆行(Reverse)0.02。应该注意,上面对技术背景的介绍只是为了方便对本专利技术的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本专利技术的
技术介绍
部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
技术实现思路
专利技术人发现,对于图1所示的情况,其理想的输出结果应为事故(Accident)和拥堵(Jam),如果将上述现有的事件检测模型的输出条件设为大于0.5,则无法得到输出结果,如果将输出条件设为输出最大概率的事件,则输出结果为事故(Accident)。也就是说,现有的事件检测模型仅能够区分互斥事件,其无法输出多个事件作为检测结果,无法保证检测结果的准确性和完整性。另外,由于现有的事件检测模型为多分类器检测模型,其训练的时间较长。本专利技术实施例提供一种用于事件检测的深度学习网络、该网络的训 ...
【技术保护点】
1.一种用于事件检测的深度学习网络,所述深度学习网络包括:数据层,其用于读取输入数据;卷积层,其用于从所述数据层读取的所述输入数据中提取特征;至少两个事件分类器,其用于根据所述卷积层提取的所述特征,相互独立的进行不同事件的检测,分别输出不同事件的检测结果。
【技术特征摘要】
1.一种用于事件检测的深度学习网络,所述深度学习网络包括:数据层,其用于读取输入数据;卷积层,其用于从所述数据层读取的所述输入数据中提取特征;至少两个事件分类器,其用于根据所述卷积层提取的所述特征,相互独立的进行不同事件的检测,分别输出不同事件的检测结果。2.根据权利要求1所述的深度学习网络,其中,所述至少两个事件分类器具有相同或不同的结构。3.根据权利要求2所述的深度学习网络,其中,所述至少两个事件分类器具有相同的结构,所述事件分类器包括:第一全连接层、第二全连接层以及设置在所述第一全连接层和所述第二全连接层之间的长短期记忆层。4.根据权利要求1所述的深度学习网络,其中,各个所述事件分类器能够独立的进行训练和/或独立的进行参数的调整。5.根据权利要求1所述的深度学习网络,其中,所述事件分类器能够独立的添加到所述深度学习网络中或者从所述深度学习网络中去除。6.一种根据权利要求1所述的深度学习网络的训练装置,所述装置包括:第一训练单元,其用于对所述深度学习网络的所述卷积层...
【专利技术属性】
技术研发人员:尹汭,谭志明,白向晖,
申请(专利权)人:富士通株式会社,
类型:发明
国别省市:日本,JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。