基于人工智能的目标检测方法以及装置制造方法及图纸

本发明专利技术公开了基于人工智能的目标检测方法以及装置，属于图形图像处理领域，该检测方法具体步骤如下：(1)采集并过滤目标图片；(2)对目标图片进行特征提取；(3)依据特征信息进行目标识别；(4)对识别结果进行检测优化；(5)反馈并存储优化方案；本发明专利技术能够对多余的目标图片进行筛选过滤，大幅提高其目标检测效率，同时采取卷积神经网络对目标图片特征进行分割提取，提高目标图片的信息提取完整性，能够自行对错误的目标检测结果进行纠错，无需工作人员人工查找，减少工作人员工作量，提高工作效率，方便工作人员使用。方便工作人员使用。方便工作人员使用。

【技术实现步骤摘要】
基于人工智能的目标检测方法以及装置


[0001]本专利技术涉及图形图像处理领域，尤其涉及基于人工智能的目标检测方法以及装置。

技术介绍

[0002]人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等，随着技术的发展，人工智能技术将在更多的领域以得到应用，并发挥越来越重要的价值；
[0003]经检索，中国专利号CN112052837A公开了基于人工智能的目标检测方法以及装置，该专利技术虽然提高目标检测的准确性，但是无法对多余图片进行筛选，降低目标检测效率，同时无法完整提取目标图片的信息；此外，现有的基于人工智能的目标检测方法以及装置需工作人员人工查找错误检测结果，降低工作效率，不方便工作人员使用；为此，我们提出基于人工智能的目标检测方法以及装置。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的目标检测方法，其特征在于，该检测方法具体步骤如下：(1)采集并过滤目标图片：采集一组或多组目标图片，并构建数据筛选器，同时将各组目标图片导入数据筛选器中进行数据清洗；(2)对目标图片进行特征提取：构建卷积神经网络，并将过滤完成的目标图片导入卷积神经网络中进行目标特征提取，同时将提取出的各组特征数据整合归类为特征数据集；(3)依据特征信息进行目标识别：人工智能接收特征数据集，并依据特征数据集中各组特征数据进行识别分析，并记录各组识别结果；(4)对识别结果进行检测优化：收集各组识别结果，同时对其识别准确性进行分析，并记录错误的识别结果，之后对错误的识别结果进行二次分析，同时对原有识别方案进行优化调整；(5)反馈并存储优化方案：将识别结果反馈给工作人员，同是将优化完成的识别方案上传至云端数据库中进行存储反馈。2.根据权利要求1所述的基于人工智能的目标检测方法，其特征在于，步骤(1)中所述数据清洗具体步骤如下：步骤一：计算机通过外部摄像头采集各组目标图片，之后数据筛选器按照各组目标图片相对应的数据源对目标图片进行分类；步骤二：将不同数据源的各组目标图片导出成为指定格式的文本文件或者其他格式的文件类型，再对得到的目标图片文件进行抽取；步骤三：对抽取的各组目标图片文件通过对缺失数据、重复数据、异常数据处理以及不一致数据整理以对采集的各组目标图片中无法识别、存在冗余的目标图片进行过滤。3.根据权利要求1所述的基于人工智能的目标检测方法，其特征在于，步骤(2)中所述特征提取具体步骤如下：第一步：卷积神经网络根据目标相对应的拓扑结构，按照不同的均分标准将得到的特征图水平分割为多个局部特征，并将相同标准下获得的局部特征归属于同一个小组；第二步：构建邻接矩阵对各组局部区域进行增强，并使每一个局部特征初步学习到其他局部特征的信息，同时对上下分支进行卷积操作并进行拼接；第三步：利用残差网络的思想将各组局部区域进行特征融合即得到一个经过浅层关系增强的局部特征，同时将同一目标图片的各组局部特征进行数据拼接以生成对应全局特征。4.根据权利要求3所述的基于人工智能的目标检测方法，其特征在于，步骤(3)中所述识别分析具体步骤如下：S1.1：人工智能从特征数据集中按照采集时间先后顺序提取全局特征，同时与互联网进行通信连接；S1.2：依据目标图片的全局特征，从数据存储库或互联网中查询相关信息，并确定该目标图片相对应的物体信息，并构建分析记录表以记录目标图片信息以及分析结果。5.根据权利要求4所述的基于人工智能的目标检测方法，其特征在于，步骤(4)中所述准确性分析具体步骤如下：S2.1：构建分析神经模型...

【专利技术属性】
技术研发人员：胡梦婷，范涛，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：