基于once shot detection的目标检测方法及系统技术方案

本发明专利技术涉及图像检测技术领域，具体提供了基于once shot detection的目标检测方法及系统，其包括以下步骤：首先调整图片的大小，并分割得到7×7网格，每个网格预测两个图像框；然后预训练once shot detection的分类网络，其中分类网络中有17～20卷积层和5个全链接层；以预训练好的分类网络为基座网络结构，训练好的计算机函数作为预训练权重，将预训练权重加载到基座网络机构，转换模型获取检测网络，继续训练检测网络；检测网络预测各网格的类别和带有目标图像的图像框坐标。本发明专利技术提供的基于once shot detection的目标检测方法及系统，对图片做检测任务时速度较快；背景误检率低。

Target detection method and system based on once shot detection

The invention relates to the field of image detection technology, and provides a target detection method and system based on once shot detection, which includes the following steps: first, adjusting the size of the picture and dividing it into 7*7 grids, each grid predicts two image frames; and then pre-training the once shot detection classification network, which has 17-20 convolution layers and five full link layers. With the pre-trained classification network as the base network structure and the trained computer function as the pre-training weight, the pre-training weight is loaded into the base network mechanism, the detection network is acquired by transforming the model, and then the detection network is trained. The detection network predicts the types of grids and the coordinates of the image frame with the target image. The object detection method and system based on once shot detection provided by the invention can detect pictures quickly and has low background error detection rate.

【技术实现步骤摘要】
基于onceshotdetection的目标检测方法及系统
本专利技术涉及图像检测
，具体涉及神经网络的目标检测技术，更为具体地，涉及一种基于onceshotdetection的目标检测方法及系统。
技术介绍
目标检测是指检测图像中是否存在待检测的目标，如图像中移动的行人、动物、车辆等，并在存在目标时，确定该目标的位置。目标检测可以广泛应用于安防、交通等众多领域。现有的深度学习领域的目标检测算法，从R-CNN到FastR-CNN一直采用的是proposal+分类，proposal提供位置信息，分类提供类别信息，这种算法精度比较高，但是速度还达不到要求，存在检测速度慢、效率低的问题。
技术实现思路
为了解决现有技术中检测目标时检测速度慢、效率低的问题，本专利技术提供一种基于onceshotdetection的目标检测方法及系统。本专利技术提供的一种基于onceshotdetection的目标检测方法，利用onceshotdetection的分类网络实现。上述目标检测方法包括如下步骤：第一步：获取待检测图片，将待检测图片调整为448×448的大小，并分割得到7×7网格，每个网格预测有两本文档来自技高网...

【技术保护点】
1.一种基于once shot detection的目标检测方法，其特征在于，所述目标检测方法包括如下步骤：第一步：获取待检测图片，将待检测图片调整为448×448的大小，并分割得到7×7网格，每个网格预测有两个带有目标图像的图像框；第二步：获取训练图片，根据训练图片预训练once shot detection的分类网络，所述once shot detection的分类网络中有17～20个卷积层和5个全链接层；第三步：以预训练的分类网络作为基座网络结构；然后将训练好的计算机函数作为预训练权重加载到基座网络结构上；第四步：转换基座网络结构模型，获得检测网络，对检测网络进行进一步训练；第五步：获取...

【技术特征摘要】
1.一种基于onceshotdetection的目标检测方法，其特征在于，所述目标检测方法包括如下步骤：第一步：获取待检测图片，将待检测图片调整为448×448的大小，并分割得到7×7网格，每个网格预测有两个带有目标图像的图像框；第二步：获取训练图片，根据训练图片预训练onceshotdetection的分类网络，所述onceshotdetection的分类网络中有17～20个卷积层和5个全链接层；第三步：以预训练的分类网络作为基座网络结构；然后将训练好的计算机函数作为预训练权重加载到基座网络结构上；第四步：转换基座网络结构模型，获得检测网络，对检测网络进行进一步训练；第五步：获取第一步处理后的待检测图片；检测网络检测待检测的图片，最终获取图像中带有目标图像的网格和图像框坐标。2.如权利要求1所述的基于onceshotdetection的目标检测方法，其特征在于，第二步中，根据训练图片预训练onceshotdetection的分类网络时，训练图片被分割为多个网格，各网格预测有两个带有目标图像的图像框。3.如权利要求2所述的基于onceshotdetection的目标检测方法，其特征在于，预训练过程中，在各网格设立第一坐标基准，以相对于第一坐标基准的坐标信息表示网格内图像框信息。4.如权利要求3所述的基于onceshotdetection的目标检测方法，其特征在于，训练图片内设置有第二坐标基准，预训练过程中，首先预测带有目标图像的图像框，获取图像框坐标信息和所在网格类别信息，然后将图像框的相对于第一坐标基准的坐标信息转化为相对于第二坐标基准的坐标信息；将图像框的坐标信息和图像框所在网格的类别信息相关联，并存储入服务器。5.如权利要求4所述的基于onceshotdetection的目标检测方法，其特征在于，第二步中，预训练中，获取图像框内目标图像的概率，概率记录在图像框的坐标信息内；目标图像的概率表征两项信息，其中一项是图像框中出现目标图像的置信度，另一项是预测的准确度。6.如权利要求5所述的基于onceshotdetection的目标检测方法，其特征在于，在预训练过程中，对各网格内图像框是否有目标图像进行预测；当图像框的预测结果为没有目标图像时，所述目标图...

【专利技术属性】
技术研发人员：陈玥荣，韩茂琨，王健宗，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44