The invention relates to a detection method of cascaded convolutional neural network based on the main technical features are: image feature extraction using convolutional neural network, and generates a certain number of candidate target regions using the candidate network frame; using network optimization to optimize the candidate frame; the target candidate optimized frame input detection network with multi classifier in the preliminary results of the detection; using two binary classifier and detection of each kind of target, to eliminate the false target to get final results accurate. The invention utilizes convolutional neural networks to target the powerful representation ability for concatenated convolutional neural network target detection was established, proposed a method to optimize the new candidate target frame error detection and elimination of sample strategy, improve the detection accuracy of the algorithm, to obtain the target detection result is good.
【技术实现步骤摘要】
基于级联卷积神经网络的目标检测方法
本专利技术属于视觉目标检测
,尤其是一种基于级联卷积神经网络的目标检测方法。
技术介绍
在人类每天感知到的信息中,80%以上来源于视觉。图像作为多媒体的重要组成部分,承载着直观而又丰富的信息,因此图像处理技术是多媒体
的重要组成部分。计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等行为,并进一步处理成为更适合人眼观察或传送给仪器检测的图像。目标检测作为计算机视觉的重要研究课题之一,被广泛应用于视频监控、自动驾驶、增强现实和智能交互等各个领域,具有广阔的应用前景。目标检测技术是通过提取图像或视频中目标的特征进行分析,将目标识别出来,并以包围框(BoundingBox)的形式将其标示出,进一步去完成跟踪、理解等后续任务。目标检测作为计算机视觉的基础任务,其性能的好坏将直接影响后续的目标跟踪、动作识别以及行为理解等中高级任务的性能。然而目标通常具有不同的形态、颜色、光亮和遮挡等多变因素,目标所处的场所环境也缤纷复杂,这些因素使得基于计算机视觉的目标检测面临着巨大的挑战。在深度学习广泛应用于计算机视觉领域之前,基于滑动窗的DPM模型(P.Felzenszwalb,R.Girshick,D.McAllester,andD.Ramanan,“Objectdetectionwithdiscriminativelytrainedpart-basedmodels,”TPAMI,vol.32,no.9,pp.1627–1645,2010)一直是主流方法,其采用复杂的人工特征提取方法,比如方向梯度直方图(HOG)、 ...
【技术保护点】
一种基于级联卷积神经网络的目标检测方法,其特征在于包括以下步骤:步骤1、利用卷积神经网络提取图像特征,并使用区域候选网络生成一定数量的目标候选框;步骤2、使用优化网络对步骤1产生的目标候选框进行优化;步骤3、将优化后的目标候选框输入含多分类器的检测网络中,产生初步的检测结果;步骤4、利用二值分类器对每一类目标进行再检测,排除错误目标得到最终精确的检测结果。
【技术特征摘要】
1.一种基于级联卷积神经网络的目标检测方法,其特征在于包括以下步骤:步骤1、利用卷积神经网络提取图像特征,并使用区域候选网络生成一定数量的目标候选框;步骤2、使用优化网络对步骤1产生的目标候选框进行优化;步骤3、将优化后的目标候选框输入含多分类器的检测网络中,产生初步的检测结果;步骤4、利用二值分类器对每一类目标进行再检测,排除错误目标得到最终精确的检测结果。2.根据权利要求1所述的基于级联卷积神经网络的目标检测方法,其特征在于:所述步骤1的具体方法包括以下步骤:⑴将带有目标真实边框的图片输入到卷积神经网络,产生相应的特征图;⑵在最后一层特征图上利用区域候选网络生成6000个目标候选框;⑶利用非最大化抑制方法,将交除并值设置为0.7,最终产生2000个目标候选框。3.根据权利要求1所述的基于级联卷积神经网络的目标检测方法,其特征在于:所述步骤2的具体实现方法包含以下步骤:⑴将步骤1产生的2000个目标候选框进行卷积层处理;⑵进行目标区域池化处理,并利用分类器对目标候选框打分;回归器回归候选框位...
【专利技术属性】
技术研发人员:郭亚婧,郭晓强,周芸,姜竹青,门爱东,
申请(专利权)人:国家新闻出版广电总局广播科学研究院,北京邮电大学,
类型:发明
国别省市:北京,11
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。