The invention discloses an object detection system based on Darknet framework, including the pretreatment unit, model training unit and positioning recognition unit, the system model of training is simple, the whole system is end-to-end (input output images, detection, frame) and can achieve real-time detection. The system uses full graph information to predict. Unlike the sliding window method and region proposal based method, network model can be used in the process of training and prediction of map information, more accurate positioning of the target frame. The system can learn the general information of the target, and it has a certain universality. The natural picture is used to train the network model, and then the art image is used to predict it. It is much more accurate than the other target detection methods. The system can be adapted to different application scenes and detection targets. It is only necessary to train the system with the corresponding data set.
【技术实现步骤摘要】
一种基于darknet框架的物体检测系统
本专利技术涉及一种检测系统,具体是一种基于darknet框架的物体检测系统。
技术介绍
物体识别是计算机视觉中的一个研究方向,也是当前比较热门的研究领域。在人们的需求不断增长的今天,物体识别在安全、科技、经济方面正在起着举足轻重的作用,安防领域和交通监管部门也对物体识别提出了迫切的要求,所以研究物体识别对社会的未来有非常重要的意义。传统目标检测系统采用deformablepartsmodels(DPM)方法,通过滑动框方法提出目标区域,然后采用分类器来实现识别。近期的R-CNN类方法采用regionproposalmethods,首先生成潜在的边界盒,然后采用分类器识别边界盒所包含物体的类别。最后通过后处理方式来去除重复边界盒来进行优化。这类方法流程复杂,存在速度慢和训练困难的问题。
技术实现思路
本专利技术要解决的技术问题是提供一种基于darknet框架的物体检测系统,以解决
技术介绍
中提到的问题。为实现上述目的,本专利技术提供如下技术方案:一种基于darknet框架的物体检测系统,包括模型训练单元,用于设计darknet网络模型,darknet网络模型为卷积层和池化层的交替连接,对训练参数(包括学习率、)进行调整,利用数据集训练得到模型的权重参数;预处理单元,用于收集合适的图片集,对图片集中的每一张图片进行物体标注,然后将标注信息转换成darknet训练所需的标注格式,并按照一定的比例生成相应的训练、验证、测试图片集;和定位识别单元所述;定位识别单元;对预处理单元收集到的图片进行识别处理;模型训练单元分别连接预处理单 ...
【技术保护点】
一种基于darknet框架的物体检测系统,其特征在于,包括模型训练单元,用于设计darknet网络模型,darknet网络模型为卷积层和池化层的交替连接,对训练参数(包括学习率、)进行调整,利用数据集训练得到模型的权重参数;预处理单元,用于收集合适的图片集,对图片集中的每一张图片进行物体标注,然后将标注信息转换成darknet训练所需的标注格式,并按照一定的比例生成相应的训练、验证、测试图片集;定位识别单元;对预处理单元收集到的图片进行识别处理;模型训练单元分别连接预处理单元和定位识别单元。
【技术特征摘要】
1.一种基于darknet框架的物体检测系统,其特征在于,包括模型训练单元,用于设计darknet网络模型,darknet网络模型为卷积层和池化层的交替连接,对训练参数(包括学习率、)进行调整,利用数据集训练得到模型的权重参数;预处理单元,用于收集合适的图片集,对图片集中的每一张图片进行物体标注,然后将标注信息转换成darknet训练所需的标注格式,并按照一定的比例生成相应的训练、验证、测试图片集;定位识别单元;对预处理单元收集到的图片进行识别处理;模型训练单元分别连接预处理单元和定位识别单元。2.根据权利要求1所述的一种基于darknet框架的物体检测系统,其特征在于,所述定位识别单元的识别处理步骤具体是:首先将图像分割成S*S的格子,每个格子预测B个边界盒和边界盒的置信值C...
【专利技术属性】
技术研发人员:周海明,林绿德,庄永军,
申请(专利权)人:旗瀚科技有限公司,
类型:发明
国别省市:广东,44
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。