一种提高实时目标检测系统中均值平均精度的方法技术方案

本发明专利技术公开了一种提高实时目标检测系统中均值平均精度的方法，属于目标检测与图像处理的领域；首先批量归一化代替丢弃法，接着用模型分类器提取特征，然后去除全连层，将整个网络变成一个全卷积网络；使用人工选择的边界框进行预测；本发明专利技术使用K‑means聚类方法类训练物体标注框，可以自动找到更好的框宽高维度，使用预测相对于网格单元的坐标位置的办法进行直接位置预测，定位预测值被归一化后，参数更容易得到学习，模型更稳定；本发明专利技术使用维度集群和直接位置预测这两项固定框改进方法，均值平均精度获得了显著的提升。

A method to improve the average accuracy of real-time target detection system

【技术实现步骤摘要】
一种提高实时目标检测系统中均值平均精度的方法
本专利技术属于目标检测与数字图像处理
，涉及到一种提高实时目标检测系统中均值平均精度的方法。
技术介绍
深度学习发展迅速，目标检测成了当下研究的热门方向，应用前景非常广阔，而实时目标检测常常用于生产生活的关键领域，这使得对实时目标检测的精度提出了更高的要求。通常目标检测是给定一个图像，找到其中的目标，找到它们的位置，并且对目标进行分类。目标检测模型通常是在一组固定的类上进行训练的，所以模型只能定位和分类图像中的那些类。此外，目标的位置通常是边界矩阵的形式。所以，目标检测需要涉及图像中目标的位置信息和对目标进行分类。使用固定的时候遇到了两个问题，第一个是固定框的宽高维度往往是精选的先验框，虽说在训练过程中网络也会学习调整框的宽高维度，最终得到准确的物体标注框。但是，如果一开始就选择了更好的、更有代表性的先验框维度，那么网络就更容易学到准确的预测位置。使用固定框时发现的第二个问题就是：模型不稳定，尤其是在早期迭代的时候。大部分的不稳定现象出现在预测框的坐标上了。无论在什么位本文档来自技高网...

【技术保护点】
1.一种提高实时目标检测系统中均值平均精度的方法，其特征在于，具体包括以下步骤：/n1)网络在每一个卷积层后添加批量归一化，使用批量归一化代替丢弃法防止过拟合；/n2)使用可视化数据库对分类网络进行训练，使训练后的分类网络适应高分辨率的输入；/n3)去除全连层，将整个网络变成一个全卷积网络；所述的全卷积网络可以对各尺寸输入进行检测；/n4)采用固定框来预测物体标注框：去除一个池层来提高卷积层输出分辨率，然后修改网络输入尺寸使特征图只有一个中心；/n5)使用K-means聚类方法类训练物体标注框；/n6)使用预测相对于网格的坐标位置进行直接位置预测；/n7)添加一个转移层，把所述转移层的浅层特征...

【技术特征摘要】
1.一种提高实时目标检测系统中均值平均精度的方法，其特征在于，具体包括以下步骤：
1)网络在每一个卷积层后添加批量归一化，使用批量归一化代替丢弃法防止过拟合；
2)使用可视化数据库对分类网络进行训练，使训练后的分类网络适应高分辨率的输入；
3)去除全连层，将整个网络变成一个全卷积网络；所述的全卷积网络可以对各尺寸输入进行检测；
4)采用固定框来预测物体标注框：去除一个池层来提高卷积层输出分辨率，然后修改网络输入尺寸使特征图只有一个中心；
5)使用K-means聚类方法类训练物体标注框；
6)使用预测相对于网格的坐标位置进行直接位置预测；
7)添加一个转移层，把所述转移层的浅层特征图连接到深层特征图，形成细粒度特征；
8)对所述网络进行多尺度训练，预测不同尺寸的图片。


2.根据权利要求1所述的一种提高实时目标检测系统中均值平均精度的方法，其特征在于，步骤2中使用ImageNet预训练过的模型分类器来提取特征：分辨...

【专利技术属性】
技术研发人员：陈德鹏，贾华宇，李战峰，马珺，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西;14