The invention provides a target detection method and device based on depth neural network, which includes acquiring the image to be detected, inputting the image to be detected into the trained depth neural network model, and outputting the boundary frame of the target object in the image to be detected, in which the depth neural network model includes a multi-layer cascaded regression network. The target detection method and device based on the depth neural network provided by the invention improves the existing SSD network and sets up a multi-layer cascade regression network in the network structure, which improves the detection speed of target detection and improves the detection accuracy of target detection.
【技术实现步骤摘要】
基于深度神经网络的目标检测方法及装置
本专利技术涉及计算机
,尤其涉及一种基于深度神经网络的目标检测方法及装置。
技术介绍
目标检测,也叫目标提取,是一种基于目标几何和统计特征的图像分割,它将目标的分割和识别合二为一,其准确性和实时性是整个系统的一项重要能力。尤其是在复杂场景中,需要对多个目标进行实时处理时,目标自动提取和识别就显得特别重要。现有技术中,基于深度学习的目标检测方法包括基于RegionProposal的深度学习目标检测算法的两步检测法,以及以SingleShotMultiBoxDetector(SSD)为主的单步检测法。其中两步检测法的第一步为选取候选边界框的过程,也就是在图片中选取可能包含物体的边界框。第二步为对所选择的候选边界框进行分类和边界框位置的调整。这种方法精度比较高,但是速度比较慢,使用GPU也只能达到每秒几张的速度。基于SSD的单步检测方法则是直接设置一些默认的候选边界框然后直接对这些边界框进行分类和边界框位置调整。这种方法精度比两步检测法稍低一点,但是速度非常快,使用GPU每秒可以处理几十张,显然对于快速目标检测这种方法比较合适,但是这类方法对于目标位置的精确性常常不能达到要求。
技术实现思路
本专利技术的目的是提供一种基于深度神经网络的目标检测方法及装置,解决了现有技术中目标检测方法检测速度慢、以及检测精度低的技术问题。为了解决上述技术问题,一方面,本专利技术提供一种基于深度神经网络的目标检测方法,包括:获取待检测图像;将所述待检测图像输入至训练好的深度神经网络模型,输出所述待检测图像中的目标物体的边界框,其中,所述深度神 ...
【技术保护点】
1.一种基于深度神经网络的目标检测方法,其特征在于,包括:获取待检测图像;将所述待检测图像输入至训练好的深度神经网络模型,输出所述待检测图像中的目标物体的边界框,其中,所述深度神经网络模型包含一个多层级联的回归网络。
【技术特征摘要】
1.一种基于深度神经网络的目标检测方法,其特征在于,包括:获取待检测图像;将所述待检测图像输入至训练好的深度神经网络模型,输出所述待检测图像中的目标物体的边界框,其中,所述深度神经网络模型包含一个多层级联的回归网络。2.根据权利要求1所述的方法,其特征在于,所述回归网络包含多层回归结构,上一层回归结构的输出为下一层回归结构的输入。3.根据权利要求1所述的方法,其特征在于,所述回归网络包含多层回归结构,上一层回归结构的输出为下一层回归结构的输入;所述回归网络中上一层回归结构的IOU值小于下一层回归结构的IOU值。4.根据权利要求1所述的方法,其特征在于,所述回归网络包含多层回归结构,上一层回归结构的输出为下一层回归结构的输入;所述回归网络中上一层回归结构的IOU值小于下一层回归结构的IOU值;所述回归网络中每一层回归结构的IOU值是可手动设置的。5.根据权利要求1所述的方法,其特征在于,所述回归网络包含三层回归结构,上一层回归结构的输出为下一层回归结构的输入;所述回归网络中上一层回归结构的IOU值小于下一层回归结构的IOU值;所述回归网络中每一层回归结构的IOU值是可手动设置的。6.根据权利要求1所述的方法,其特征在于,所述回归网络包含三层回归结构,...
【专利技术属性】
技术研发人员:姚勇强,董远,白洪亮,熊风烨,
申请(专利权)人:北京飞搜科技有限公司,
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。