【技术实现步骤摘要】
一种快速目标检测方法
本专利技术涉及目标检测
，特别涉及一种快速目标检测的方法。
技术介绍
随着科学技术的进步，目标检测的需要越来越多。美颜应用中需要检测目标，在此基础上进行美颜；换脸应用中也是先检测目标，然后在进行换脸；目标考勤也需要先检测目标，在识别目标。以上应用中，目标检测的准确性对上述应用有至关重要的影响。随着卷积神经网络的兴起，目标检测取得了显著的进展，其准确率一路飙升。但是，由于卷积网络的计算量巨大，需要高性能的GPU(如TITAN)才能实时检测。其高成本一直是制约其量产的关键瓶颈。本文提出了一种快速目标检测方法，其通过分类网络鉴别目标候选框是否为目标，通过回归网络来预测目标候选框相对于真实目标的偏移量，分类网络和回归网络共享特征层，来降低算法的计算量，采用分类误差和回归误差一起训练卷积神经网络，实现了端到端的训练。此网络通过贡献特征层，达到了降低计算量和模型参数量的目的，从而为实时检测创造的条件。
技术实现思路
本专利技术的实施例提供一种快速目标的检测方法，可以实时快速检测目标。本专利技术是实施例采用的技术方案为：一种快速目标检测方法，包括：S10...
【技术保护点】
1.一种快速目标检测方法，其特征在于，包括：S100，获取标注过的目标样本数据；S200，建立基于目标候选框的卷积网络，所述卷积网络包含特征提取网络和目标分类回归网络；S300，根据所述特征提取网络和所述目标样本数据，确定目标候选框的标签信息和目标样本数据的目标标注框在所述特征提取网络最后一层特征层上的目标标注框的映射信息；S400，根据所述目标候选框的标签信息和所述目标标注框的映射信息，确定所述目标候选框的回归信息；S500，将所述目标候选框的标签信息和所述目标候选框的回归信息作为所述目标候选框的真值数据，训练所述卷积网络，当所述卷积网络模拟出所述目标候选框的真值数据的分...
【技术特征摘要】
1.一种快速目标检测方法，其特征在于，包括：S100，获取标注过的目标样本数据；S200，建立基于目标候选框的卷积网络，所述卷积网络包含特征提取网络和目标分类回归网络；S300，根据所述特征提取网络和所述目标样本数据，确定目标候选框的标签信息和目标样本数据的目标标注框在所述特征提取网络最后一层特征层上的目标标注框的映射信息；S400，根据所述目标候选框的标签信息和所述目标标注框的映射信息，确定所述目标候选框的回归信息；S500，将所述目标候选框的标签信息和所述目标候选框的回归信息作为所述目标候选框的真值数据，训练所述卷积网络，当所述卷积网络模拟出所述目标候选框的真值数据的分布时，训练结束；S600，接收待测目标图像，通过所述卷积网络输出目标区域和目标得分进行目标预测。2.根据权利要求1所述的方法，其特征在于，所述特征提取网络为VGG-16去除最后三层的全连接层后剩余的部分。3.根据权利要求1所述的方法，其特征在于，所述确定目标候选框的标签信息和所述目标标注框的映射信息，包括：S301：获取所述特征提取网络的最后一层信息，记为待映射特征图；S302：在所述待映射特征图上，针对每一个像素位置，按照目标尺寸S和目标长宽比R，生成目标候选框；S303：确定所述目标候选框的标签信息；如果所述目标候选框与所述目标样本数据的目标标注框有交集，并且其交集与其并集之比，大于预设阈值T1，则将所述目标候选框标记为正样本；如果其交集与其并集之比，小于预设阈值T2，则将所述目标候选框标记为负样本；S304：确定所述目标标注框的映射信息；计算所述特征提取网络的放缩比例，将所述目标样本数据的目标标注框映射在待映射特征图上，获得目标标注框的映射信息。4.根据权利要求3所述的方法，其特征在于，所述步骤S302中，所述生成目标候选框的个数为所述目标尺寸S的个数与所述目标长宽比R的个数的乘积。5.根据权利要求3所述的方法，其特征在于，所述步骤S303中，还包括：标记所述目标样本数据的目标标注框；如果目标候选框与所述标注过的目标样本数据的目标标注框有交集，并且其交集与其并集之比，大于预设阈值T1，则所述目标候选框标记为正样本，并且将所述目标标注框标记为已配对目标候选框；统计没有与目标候选框配对的目标标注框；重新将没有与目标候选框配对成功的目标标注框进行配对操作；针对每一个没...
【专利技术属性】
技术研发人员：高体红，
申请(专利权)人：成都通甲优博科技有限责任公司，
类型：发明
国别省市：四川,51
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。