一种有效目标快速识别的强化循环级联方法技术

一种有效目标快速识别的强化循环级联方法。本发明专利技术提出了一种强化循环级联方法用于快速有效的目标识别任务，该方法包含循环级联模型，非线性映射操作以及分类识别模块。级联模型能够提取样本的多样化特征，其中低层特征能够逐层转换为高层特征，循环机制在强化样本特征的同时，还能轻量化网络模型；非线性映射操作增强了样本特征的非线性关系；建立损失函数，采用导数求逆矩阵的方式，直接计算网络权重，避免迭代优化算法的耗时问题，同时完成快速有效的目标识别任务。本发明专利技术通过利用目标区域定位和深度特征学习相结合的方法，解决了传统目标识别方法训练耗时，识别精度低的问题；避免了传统算法中复杂的模型建立，减小计算成本；具有训练时间短，识别精度高特点。

An Enhanced Cyclic Cascade Method for Fast Recognition of Effective Targets

【技术实现步骤摘要】
一种有效目标快速识别的强化循环级联方法
本专利技术属于计算机视觉
，尤其涉及一种有效目标快速识别的强化循环级联方法。
技术介绍
近年来，随着计算机视觉研究的飞速发展，许多神经网络模型被陆续提出，并应用在各个领域。深度网络模型因其优越的特征提取能力成为推动该项研究的主要动力。常见的深度网络模型如2014年推出的VGGNet(K.SimonyanandA.Zisserman,“Verydeepconvolutionalnetworksforlarge-scaleimagerecognition”,arXivpreprintarXiv:1409.1556,2014)以及2015年推出的GoogLeNet(C.Szegedy,W.Liu,Y.-Q.Jia,etal,“Goingdeeperwithconvolutions”.InIEEEConferenceonComputerVisionandPatternRecognition,pp.1-9,Boston,MA,USA,June2015.IEEE)。上述深度神经网络模型通过纵向增加网络层数和卷积核数量用于更好的提取样本特征。这种方式会本文档来自技高网...

【技术保护点】
1.一种有效目标快速识别的强化循环级联方法，其特征在于包括如下步骤：步骤1)进行样本归一化处理；步骤2)特征提取：针对目标识别对象，建立循环级联模型，并提取输入图像的样本特征；步骤3)特征映射：将所提取的样本特征映射到的非线性空间，得到非线性特征；步骤4)分类识别：建立损失函数，优化网络权重，实现目标识别。

【技术特征摘要】
1.一种有效目标快速识别的强化循环级联方法，其特征在于包括如下步骤：步骤1)进行样本归一化处理；步骤2)特征提取：针对目标识别对象，建立循环级联模型，并提取输入图像的样本特征；步骤3)特征映射：将所提取的样本特征映射到的非线性空间，得到非线性特征；步骤4)分类识别：建立损失函数，优化网络权重，实现目标识别。2.根据权利要求1所述的有效目标快速识别的强化循环级联方法，其特征在于所述步骤2)具体包括如下步骤：步骤2-1)搭建循环级联模型：假设循环迭代次数为K，级联模型中包含L个隐含层用于特征提取，其中第l隐含层包含nl个特征图；步骤2-2)对于任意第k次循环过程，Xk为模型输入，根据式(1)进行特征提取：式(1)中，分别为第l层的第i个特征图以及所对应的权重；为激活函数；Zl为第l层的输出，同时也是第(l+1)层的输入；当l＝1时，Z0＝Xk；当l＝L时进入第(k+1)次迭代，此时根据式(2)对模型输入进行更新；其中，为第k次循环中第L层的输出；当k＝1时，X1＝X∈RN×M为原始样本输入，N，M分别对应地表示样本数量和维度；步骤2-3)在第K次循环结束后得到每一层的输出并定义Z≡[Z1,...,ZL]。3.根据权利要求2所述的有效目标快速识别的强化循环级联方法，其特征在于所述步骤2-2)中对任意权重进行优化操作，所述优化操...

【专利技术属性】
技术研发人员：李洪均，周泽，胡伟，孙婉婷，张雯敏，李超波，
申请(专利权)人：南通大学，南通先进通信技术研究院有限公司，
类型：发明
国别省市：江苏,32