【技术实现步骤摘要】
一种基于二值化FasterRCNN网络的行人检测方法
本专利技术涉及图像识别
，尤其是一种基于二值化FasterRCNN网络的行人检测方法。
技术介绍
随着人工智能的高速发展，现如今深度学习技术深入计算机视觉的各个方面，各种不同思路的新方法广泛应用于各个场景中，解决传统方法存在的弊端，性能各个方面超越了传统方法。行人检测是计算机视觉的重要应用之一，目前已广泛应用于各个场景，如摄像头监控技术、汽车高级辅助驾驶技术等。传统行人检测着重于特征提取、分类与定位两个问题。行人特征一般分为低层特征、基于学习的特征和混合特征，分类与定位方法分为滑动窗口法、超越滑动窗口法。这些方法均存在实用性低、效果差、准确率不高的问题。FasterRCNN目标检测算法主要流程分为基于深度卷积网络的特征提取部分、候选区域生成网络部分、候选窗口分类和微调部分、非极大值抑制部分。FasterRCNN网络虽然在行人检测上取得了不错的效果，但是因为该网络具有较多的学习参数，因此目前来说仅限于服务器上运行，利用GPU进行结果测试，在嵌入式设备上...
【技术保护点】
1.一种基于二值化Faster RCNN网络的行人检测方法，先构建并训练网络模型，然后通过训练好的网络模型对公路车道进行检测，其特征在于，网络模型构建和训练主要包括以下步骤：/n步骤1，收集大量汽车行驶过程中行车记录仪拍摄到的包含行人的图片，方框标记出图片中行人部分，构成包含行人的数据集，将数据集从数量上分为训练集、验证集和测试集三部分；/n步骤2，构建Faster RCNN网络，并对其进行二值化，形成二值化Faster RCNN网络，Faster RCNN网络主要由VGG16网络层、RPN网络层和ROI池化层组成；二值化操作具体为，将VGG网络层的权重利用符号函数二值化，...
【技术特征摘要】
1.一种基于二值化FasterRCNN网络的行人检测方法，先构建并训练网络模型，然后通过训练好的网络模型对公路车道进行检测，其特征在于，网络模型构建和训练主要包括以下步骤：
步骤1，收集大量汽车行驶过程中行车记录仪拍摄到的包含行人的图片，方框标记出图片中行人部分，构成包含行人的数据集，将数据集从数量上分为训练集、验证集和测试集三部分；
步骤2，构建FasterRCNN网络，并对其进行二值化，形成二值化FasterRCNN网络，FasterRCNN网络主要由VGG16网络层、RPN网络层和ROI池化层组成；二值化操作具体为，将VGG网络层的权重利用符号函数二值化，激活函数采用HardSigmoid函数，卷积操作为其中I表示输入矩阵，W表示未二值化的权重，K和α为调整参数；层叠模式改为批标准化→二值化激活→二值化卷积→池化；
步骤3，利用训练集对二值化FasterRCNN网络进行训练，具体为，权重初始化为浮点，前向传播过程中利用通过符号函数将权重量化为+1/-1，由二值权重与二值输入进行卷积运算，获得卷积层输出；在反向传播过程中，放松符号函数，计算相应梯度值，并根据梯度值对权重进行参数更新，参数更新完成后再权重量化为+1/-1，以便后期推断使用；
步骤4，将测试集输入训练好的二值化FasterRCNN网络，获得行人预测框，采用非极大值抑制法，对行人预测框进行进一步筛...
【专利技术属性】
技术研发人员：张中，张莉蓉，
申请(专利权)人：合肥湛达智能科技有限公司，
类型：发明
国别省市：安徽;34
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。