一种基于经验参照学习框架目标检测方法、系统及终端设备技术方案

本发明专利技术公开了一种基于经验参照学习框架目标检测方法、系统及终端设备，属于计算机视觉领域。该目标检测方法包括以下步骤：步骤1、将获取的图像数据作为数据集；步骤2、使用预处理的方法对数据集进行处理；步骤3、采用轻量响应模型并进行训练；步骤4、使用训练好的轻量响应模型并基于经验参照学习框架进行学习，构建最终的轻量响应模型；步骤5、将参照学习后得到的轻量响应模型重新训练，将训练结束后达到最优配置的轻量响应模型部署到终端设备进行目标检测。终端设备包括处理器、能够储存模型的存储器和显示器。本发明专利技术能够有效提高目标检测效果，并且在保持高精度的同时，网络参数量更小，模型时延更低，具备快速部署到终端设备的能力。能力。能力。

【技术实现步骤摘要】
一种基于经验参照学习框架目标检测方法、系统及终端设备


[0001]本专利技术申请涉及深度学习
，具体涉及一种基于经验参照学习框架的目标检测方法、系统及终端设备。

技术介绍

[0002]目标检测是计算机视觉、数字图像处理和机器视觉的交叉领域，它的任务是找出图像中所有感兴趣的目标，确定它们的类别和位置。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。目标检测根据是否产生候选区域具体可以分为单阶段目标检测和两阶段目标检测。单阶段目标检测是指直接在网络中提取特征来预测物体分类和位置。两阶段目标检测则是先进行区域生成，再通过卷积神经网络进行样本分类。虽然两阶段算法可以达到较高的准确率，但检测时间较长，难以满足日常目标检测场景的实时性要求。因为单阶段目标检测具有精度高和速度快等优点，已经成为目标检测研究的热点。目标检测在智能化交通系统、智能监控系统、工业缺陷检测、行人检测与计数等领域具有广泛的研究和应用价值。
[0003]随着计算机技术的发展和计算机视觉原理的广泛应用，利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于经验参照学习框架的目标检测方法，其特征在于，包括以下步骤：步骤1、制作目标检测模型所需数据集；步骤2、对步骤1所获得的数据集进行预处理，从而清除一些畸形数据；步骤3、采用了设计的包含两个核心模块的轻量响应模型，其中一个模块是特征补偿模块，另一个是特征映射模块，并使用步骤2预处理后的数据集对轻量响应模型进行训练，得到最优的轻量响应模型；步骤4、采用经验参照学习框架，使用步骤3训练好的轻量响应模型作为父类网络，并使用经验参照学习框架将轻量响应模型中包含的经验迁徙到子类网络模型中，经过不断迭代重复测验，最后当总损失达到最小时，将这时的子类网络作为最终的轻量响应模型；步骤5、使用步骤1得到的数据集对步骤4得到的模型经过训练和测试并进行验证集的验证，得到最优配置的轻量响应模型；步骤6、将步骤5得到的最优配置轻量响应模型部署到终端设备中，将其作为检测模型，终端设备读取等待检测的图像，并将图像输入到检测模型中，得到最终检测结果。2.根据权利要求1所述的一种基于经验参照学习框架的目标检测方法，其特征在于，步骤2中预处理依次包括数据增广、双线性插值、随机翻转、马赛克效应和z
‑
score标准化。3.根据权利要求1所述的一种基于经验参照学习框架的目标检...

【专利技术属性】
技术研发人员：宋余庆，徐鑫，刘哲，邱成健，韩凯，
申请(专利权)人：江苏大学，
类型：发明
国别省市：