基于Faster R-CNN的戏曲卡通人物的分类方法技术

本发明专利技术公开了基于Faster R‑CNN的戏曲卡通人物的分类方法，以戏曲卡通图片为基础，运用数据增强技术，手工进行标注制作数据集，然后运用基于特征提取网络ResNet50的Faster R‑CNN算法对戏曲卡通人物进行检测识别，再融合特征金字塔网络（FPN）对Faster R‑CNN改进，进行多尺度检测识别，大大的提高了戏曲人物识别准确率。

【技术实现步骤摘要】
基于FasterR-CNN的戏曲卡通人物的分类方法
本专利技术属于目标识别领域，具体涉及一种基于FasterR-CNN的戏曲卡通人物的分类方法。
技术介绍
由于受多元化文化交流的影响，中国的传统戏曲已经处于濒危的边缘，急需当代人保护与传承。现在使用现代人类科研成果——目标识别，能够帮助人们快速检测识别每个戏曲卡通人物，这对于戏曲的发展保护具有极其重要的意义。自神经网络在ImageNet数据集上取得成功，深度学习开始被广泛应用在目标检测识别领域。Xinlei等人提出了非视距物体识别技术，利用光的相干性从微弱的反射光信号中获取场位相关信息，结合深度学习的人工智能算法，实现对障碍物后面物体的实时识别。TaoDai等人于2019年提出了一种二阶注意网络(SAN)用在单图像超分辨率，用于更强大的特征表达和特征相关学习。Zhao-MinChen提出基于图卷积(GCN)的end-to-end系统，通过data-driven方式建立标记间有向图并由GCN将类别标记映射为对应类别分类器，以此建模类别关系，同时可提升表示学习能力。ZechengXie等人提本文档来自技高网...

【技术保护点】
1.基于Faster R-CNN的戏曲卡通人物的分类方法，其特征在于，包括以下步骤：/nS1：制作戏曲人物图片数据集并且以其按比例分配作为训练集和测试集，利用训练集训练Faster R-CNN模型；/nS2：将输入的原始戏曲卡通图片传入到卷积层，利用基于Faster R-CNN的特征提取网络对输入的戏曲卡通图片进行特征提取；/nS3：对提取出的特征图进行分类识别，得出戏曲卡通人物识别结果图。/n

【技术特征摘要】
1.基于FasterR-CNN的戏曲卡通人物的分类方法，其特征在于，包括以下步骤：
S1：制作戏曲人物图片数据集并且以其按比例分配作为训练集和测试集，利用训练集训练FasterR-CNN模型；
S2：将输入的原始戏曲卡通图片传入到卷积层，利用基于FasterR-CNN的特征提取网络对输入的戏曲卡通图片进行特征提取；
S3：对提取出的特征图进行分类识别，得出戏曲卡通人物识别结果图。


2.根据权利要求1所述的基于FasterR-CNN的戏曲卡通人物的分类方法，其特征在于：步骤S1中所述的制作戏曲图片数据集通过对现有图片运用数据增强技术进行处理，并且对图片手工标注，最后将标注结果制作成VOC2007数据集格式。


3.根据权利要求1所述的基于FasterR-CNN的戏曲卡通人物的分类方法，其特征在于：步骤S2中所述...

【专利技术属性】
技术研发人员：瞿绍军，夏华丽，
申请(专利权)人：湖南师范大学，
类型：发明
国别省市：湖南;43