【技术实现步骤摘要】
一种基于YOLOv3的目标检测和特征提取一体化网络
本专利技术涉及计算机视觉
，尤其涉及一种基于YOLOv3的目标检测和特征提取一体化网络。
技术介绍
基于视觉的目标检测和跟踪是计算机视觉领域的重要研究课题，在视频监控、虚拟现实、人机交互、自主导航等领域具有重要的研究和实用价值。目标检测任务能够提供目标的类别、位置和大小信息，在连续帧序列目标追踪过程中，目标检测的性能好坏将直接影响后续的目标跟踪任务性能。为了实现高效的目标跟踪，期望得到目标更多的准确信息，包括目标类别、目标位置、目标大小、以及目标颜色、纹理、边缘等表现特征，丰富的目标特征是实现目标鲁棒跟踪的关键。目前的目标检测算法能够输出目标的类别、位置和大小信息，但不能够输出目标的表现特征信息，由于检测算法输出的信息有限，限制了跟踪算法的性能。
技术实现思路
为解决现有技术存在的局限和缺陷，本专利技术提供一种基于YOLOv3的目标检测和特征提取一体化网络，包括目标检测模块、解码模块和特征提取模块，所述目标检测模块运行YOLOv3算法，输出...
【技术保护点】
1.一种基于YOLOv3的目标检测和特征提取一体化网络，其特征在于，包括目标检测模块、解码模块和特征提取模块，所述目标检测模块运行YOLOv3算法，输出3个分支检测结果，使用非极大值抑制算法对3个分支数据进行整合，获得目标检测的输出结果；/n所述解码模块接收所述目标检测的输出结果和原始图像信息，通过解码提取出目标区域的图像，将所述目标区域的图像送至所述特征提取模块；/n所述特征提取模块运行卷积神经网络提取所述目标区域图像的特征信息，将图像特征投射到超球面上，所述超球面的坐标为所述目标的特征信息，所述特征检测模块输出的特征信息与所述目标检测模块输出的目标信息一一对应；/n对所...
【技术特征摘要】
1.一种基于YOLOv3的目标检测和特征提取一体化网络，其特征在于，包括目标检测模块、解码模块和特征提取模块，所述目标检测模块运行YOLOv3算法，输出3个分支检测结果，使用非极大值抑制算法对3个分支数据进行整合，获得目标检测的输出结果；
所述解码模块接收所述目标检测的输出结果和原始图像信息，通过解码提取出目标区域的图像，将所述目标区域的图像送至所述特征提取模块；
所述特征提取模块运行卷积神经网络提取所述目标区域图像的特征信息，将图像特征投射到超球面上，所述超球面的坐标为所述目标的特征信息，所述特征检测模块输出的特征信息与所述目标检测模块输出的目标信息一一对应；
对所述特征检测模块输出的特征信息与所述目标检测模块输出的目标信息进行合并，获得所述目标检测和特征提取一体化网络的最终输出，所述最终输出包括每个目标的类别、位置、大小以及图像特征信息。
2.根据权利要求1所述的基于YOLOv3的目标检测和特征提取一体化网络，其特征在于，还包括：
目标检测模块运行YOLOv3算法，输出3分支结果，分别为D1...
【专利技术属性】
技术研发人员：李利华，韩勇强，刘泳庆，张路成，魏晨晨，余清鲜，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11
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。