【技术实现步骤摘要】
基于改进yolov3的室内目标检测方法
[0001]本专利技术属于计算机视觉
，具体涉及一种基于室内数据集的室内目标检测方法。
技术介绍
[0002]目标检测技术现阶段已经成为一个应用十分广泛的计算机视觉领域相关技术。传统目标检测多基于人工标注的特征，精度较差，随时代发展已渐渐跟不上人们对于精度和效率的要求。而随着人工智能的热潮诸如计算机视觉领域的发展，通过深度学习网络如卷积网络等，可以将图像特征通过计算机提取的方式高精度地完成目标检测任务，其速度、准确度与鲁棒性均有所提高。目前以卷积神经网络为主体框架的目标检测方法已成为主流。
[0003]目标检测技术的应用相当广泛，可用在军用无人机上面执行侦察、打击等任务，可以在轻量化，多机协同的同时节约人力，提升作战效率，也能同时有效避免人员伤亡。在民用方面，也可用于人脸识别，自动驾驶等领域。而完善的室内目标检测技术能使搭载视觉模块的无人机自主执行更高精密度的任务，在一般的生产生活领域也可以通过视频监控手段更轻易查找目标。室内场景多为客厅、卧室、书房等等，因装修风格和家具...
【技术保护点】
【技术特征摘要】
1.一种基于改进yolov3的室内目标检测方法，其特征在于，包括：步骤1，改进yolov3算法的Darknet53网络以用于室内目标检测；改进Darknet53网络是指在第一层残差模块和第二层残差模块之间加入扩张卷积与深度分离卷积的组合模块，即DS模块；DS模块包括扩张卷积层、深度可分离卷积层、两个卷积层以及求和相加模块；先将特征图分别输入扩张卷积层以及一个卷积层，扩张卷积层的输出特征图输入深度可分离卷积层，经深度可分离卷积操作后输出的特征图再输入一个卷积层，所述两个卷积层输出的特征图经求和相加模块处理后输出；步骤2，首先获取室内场景图片训练数据集，所获取的室内场景图片中包含被遮挡后面积较小的目标家具；再使用K
‑
means方法，对训练数据集中目标尺寸进行聚类，优化锚anchor的尺寸...
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。