一种基于总和池化特征的目标识别方法技术

本发明专利技术公开了一种基于总和池化特征的目标识别方法，属于模式识别领域，该方法包括：对待识别图像进行尺寸归一化后作为训练集和测试集；构建目标识别模型并进行训练；该目标识别模型包括特征提取模块、总和池化特征构造模块和目标判别模块；其中，总和池化特征构造模块，对特征图中各位置对应的特征向量进行总和池化，并对总和池化后的特征图进行归一化和尺度缩放，输出总和池化特征；目标判别模块，根据总和池化特征计算得到输入图像属于各类目标的得分，并将得分最高者作为识别结果。本发明专利技术通过构造总和池化特征，保留了原始特征图的通道结构，并合理利用其细节信息，解决了目标识别过程中，不同类型目标差异细微，难以区分的问题。

A method of target recognition based on sum pooling feature

【技术实现步骤摘要】
一种基于总和池化特征的目标识别方法
本专利技术属于模式识别领域，更具体地，涉及一种基于总和池化特征的目标识别方法。
技术介绍
目标识别是指一个特殊目标(或一种类型的目标)从其它目标(或其它类型的目标)中被区分出来的过程。人们认识世界的重要知识来源是图像信息，在很多场合，图像所传送的信息比其他形式的信息更丰富、真切和具体。因此，目标识别也就成为了近年来理论和应用的研究热点，它是图像处理和计算机视觉学科的重要分支。它的目的就是如何快速、准确地检测出图像中的目标，并将图像中的目标提取出来。当前目标识别方法主要包括：基于人工设计的特征提取算子与SVM进行识别的方法以及基于卷积神经网络的识别方法。基于人工设计的特征提取算子与SVM进行识别的方法存在缺陷：特征提取算子不具有针对性，不同类别的目标提取出的特征向量可能相近，算法识别能力受限；如图1所示，基于卷积神经网络的识别方法，首先采用卷积网络进行特征提取，得到特征图；然后通过全连接层将特征图转换为特征向量；最后用softmax进行分类。基于卷积神经网络的识别方法在特征提取时，浅层网络可以提取图像更本文档来自技高网...

【技术保护点】
1.一种基于总和池化特征的目标识别方法，其特征在于，包括：/n(1)对待识别图像进行尺寸归一化后作为训练集和测试集；/n(2)构建目标识别模型；/n所述目标识别模型包括特征提取模块、总和池化特征构造模块和目标判别模块；/n所述特征提取模块，用于对输入图像进行特征提取得到特征图；所述总和池化特征构造模块，用于对所述特征图中各位置对应的特征向量进行总和池化，并对总和池化后的特征图进行归一化和尺度缩放，输出总和池化特征；目标判别模块，用于根据所述总和池化特征计算得到所述输入图像属于各类目标的得分，并将得分最高者作为识别结果；/n(3)利用所述训练集和测试集对所述目标识别模型进行训练，采用反向传播更新...

【技术特征摘要】
1.一种基于总和池化特征的目标识别方法，其特征在于，包括：
(1)对待识别图像进行尺寸归一化后作为训练集和测试集；
(2)构建目标识别模型；
所述目标识别模型包括特征提取模块、总和池化特征构造模块和目标判别模块；
所述特征提取模块，用于对输入图像进行特征提取得到特征图；所述总和池化特征构造模块，用于对所述特征图中各位置对应的特征向量进行总和池化，并对总和池化后的特征图进行归一化和尺度缩放，输出总和池化特征；目标判别模块，用于根据所述总和池化特征计算得到所述输入图像属于各类目标的得分，并将得分最高者作为识别结果；
(3)利用所述训练集和测试集对所述目标识别模型进行训练，采用反向传播更新所述目标识别模型各部分的权值参数；
(4)将待识别图像输入训练好的目标识别模型，得到目标识别结果。


2.根据权利要求1所述的一种基于总和池化特征的目标识别方法，其特征在于，步骤(1)具体为，采用双线性插值法对待识别图像进行尺寸归一化。


3.根据权利要求1或2所述的一种基于总和池化特征的目标识别方法，其特征在于，所述特征图维度为m×n×...

【专利技术属性】
技术研发人员：胡静，郑伟萍，方力，蒋侃，熊涛，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42