基于卷积神经网络的对象协同检测方法技术

本发明专利技术提供一种基于卷积神经网络的对象协同检测方法，包括以下步骤：步骤一：在一组内容关联的图片上，使用现有的候选生成方法，得到该组图像中每幅图片的候选预测结果和对象性分数；步骤二：基于步骤一得到的候选预测结果得到该组图片的重复性矩阵；步骤三：结合对象性分数和该组图片的重复性矩阵，得到该组图像最终的考虑对象重复性的预测结果。本发明专利技术提出的基于卷积神经网络的对象协同检测方法结合单幅图像目标预测和多幅图像内容的重复性，为检测预测结果增加了更多的关联性信息，增强了传统检测的针对性和对选定类别目标的检测效果。

【技术实现步骤摘要】
基于卷积神经网络的对象协同检测方法
本专利技术涉及图像处理
，尤其涉及一种基于卷积神经网络的对象协同检测方法。
技术介绍
随着计算机视觉技术的快速发展，数字图像数据大幅度增长，如何有效的处理这些数据并从中获得关键信息是一个备受关注的问题。目标检测是图像处理和计算机视觉的一个重要分支，在智能监控系统、工业检测、智能交通系统、航空航天等领域广泛应用。图像是人获取外界信息的一个重要来源，而图像的信息大多数来自于其包含的目标对象，对图片的目标检测是计算机视觉领域最为基础的任务之一。目标检测技术，就是在图片中检测并定位某设定种类的目标，从而获得图像的关键信息，这是图像处理过程中非常重要的一步。因此进一步提高目标检测的效果，对于获取更精确的图像信息具有十分重要的意义。目前在计算机视觉应用领域，深度神经网络获得了广泛的应用，它通过特征提取和特征映射过程，能够较好地学习到图像中的不变特性，可在训练下自适应地构建特征描述，具有较高的灵活性和普适性。其中卷积神经网络是结合人工神经网络和深层学习的神经网络系统，具有局部感知区域、层次结构化、特征抽取和分类过程结合的全局训练等特点，被大量应用于目标检测本文档来自技高网...

【技术保护点】
一种基于卷积神经网络的对象协同检测方法，其特征在于，结合多幅内容关联图像的相关信息，包括以下步骤：步骤一：在一组内容关联的图片上，使用现有的候选生成方法，得到该组图像中每幅图片的候选预测结果和对象性分数；步骤二：基于步骤一得到的候选预测结果得到该组图片的重复性矩阵；步骤三：结合对象性分数和该组图片的重复性矩阵，得到该组图像最终的考虑对象重复性的预测结果。

【技术特征摘要】
1.一种基于卷积神经网络的对象协同检测方法，其特征在于，结合多幅内容关联图像的相关信息，包括以下步骤：步骤一：在一组内容关联的图片上，使用现有的候选生成方法，得到该组图像中每幅图片的候选预测结果和对象性分数；步骤二：基于步骤一得到的候选预测结果得到该组图片的重复性矩阵；步骤三：结合对象性分数和该组图片的重复性矩阵，得到该组图像最终的考虑对象重复性的预测结果。2.根据权利要求1所述的方法，其特征在于，所述步骤二包...

【专利技术属性】
技术研发人员：孟凡满，郭莉丽，罗堃铭，施雯，李宏亮，吴庆波，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51