一种基于锚框的目标检测方法技术

本发明专利技术提供一种基于锚框的目标检测方法，基于SSD架构对目标进行检测，在特征提取部分采用Mobilenet网络架构有效增加了检测速度，准确性高，较好地平衡位置检测的速度与准确度，鲁棒性较强，提取浅层卷积的特征图像，提高了对小目标的检测准确性，本发明专利技术具有广泛的市场应用潜力。场应用潜力。场应用潜力。

【技术实现步骤摘要】
一种基于锚框的目标检测方法


[0001]本专利技术属于图像目标检测领域，涉及一种基于锚框的目标检测方法。

技术介绍

[0002]随着生产力的不断发展以及城镇化进程的加速，在农业种植领域，劳动力短缺问题愈发凸显，迫切需要使用农业机器人来全部或部分替代人高效、安全、可靠地完成复杂的任务。例如，在花卉种植行业，采摘环节需要耗费大量人力，而现有采摘农民人数远远难以达到采摘需求，且采摘效率低下。因此，迫切需要研发代替或者辅助人工作的摘花机器人以降低人工成本。在摘花机器人中，种植花卉视觉信息的获取是支撑摘花机器人作业的重要前提。因此对于花卉目标的精准定位及分类至关重要。
[0003]近些年来，随着人工智能的快速发展，基于深度学习的目标检测技术逐渐成为图像目标检测领域的主流技术方法。目前目标检测领域的深度学习方法主要分为两类：两阶段的目标检测算法和一阶段的目标检测算法。两阶段目标检测算法首先生成一系列作为样本的候选框，然后通过卷积神经网络来进行样本分类和定位回归，常见的算法有RCNN、Fast RCNN、Faster RCNN等。一阶段目标检测算法是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于锚框的目标检测方法，其特征在于，包括以下步骤：S1采集待测目标图像数据集，并进行标注，得到数据集Data0；S2对Data0进行扩增得到数据集Data1；S3将Data1分为训练集和测试集，训练集包含样本数量大于测试集包含样本数量；S4构建目标检测神经网络模型，并利用训练集进行训练，得到训练模型；S5利用训练模型对图像位置进行预测。2.根据权利要求1所述的一种基于锚框的目标检测方法，其特征在于，所述步骤S1中数据集Data0中的样本数量≥200；所述单个样本中包括多个类别的目标图像。3.根据权利要求1所述的一种基于锚框的目标检测方法，其特征在于，所述步骤S1中标注的方法为人工标注；所述人工标注将目标区域用矩形框进行标注，从图像左上角开始按照顺时针方向排列矩形框的四个顶点坐标。4.根据权利要求1所述的一种基于锚框的目标检测方法，其特征在于，步骤S2中扩增方法为采用Mosaic数据增强与自对抗训练；所述Mosaic数据增强方法中，对四张图片随机翻转，缩放或色域变化后分别进行图片的组合和锚框的组合。5.根据权利要求1所述的一种基于锚框的目标检测方法，其特征在于，所述步骤S4中目标检测神经网络模型包括特征提取模块，目标预测模块和非极大值抑制模块；特征提取模块用于逐级提取输...

【专利技术属性】
技术研发人员：赵丹萍，唐伟，杨泽文，江倩，杜卉，高世旺，曹宝龙，汤兆鑫，徐瑞东，田媛，王振楠，马永峰，
申请(专利权)人：中国航天时代电子有限公司，
类型：发明
国别省市：