【技术实现步骤摘要】
本专利技术涉及机器视觉领域，具体来说，涉及机器视觉领域中的行人检测技术，更具体地说，涉及一种行人检测模型及其训练方法、检测方法。
技术介绍
1、行人检测是机器视觉领域中最重要的任务之一，其目的是在图像或视频中准确定位行人。当前，行人检测技术已被广泛应用于高级辅助驾驶、自动驾驶、区域监控、人机交互等领域中。近年来，随着深度卷积神经网络(convolutional neural networks，cnn)的飞速发展，带动了机器视觉技术从目标识别，到通用目标检测，再到行人检测的发展。
2、目前，基于深度卷积神经网络的行人检测方法主要是利用已有的深度卷积神经网络框架，通过行人数据集对深度卷积神经网络进行训练，从而得到训练好的行人检测模型，并以训练好的的行人检测模型对图像或视频进行处理以准确定位行人。
3、现有技术中主要以r-cnn系列卷积神经网络为框架训练行人检测模型来做行人检测。但是在模型训练过程中，重点关注的是未被遮挡的行人特征，对于被遮挡的行人特征没有进行有效的学习，使得现有技术下训练得到的行人检测模型虽然能够实现...
【技术保护点】
1.一种行人检测模型，用于检测图像中的行人，其特征在于，所述模型包括：
2.根据权利要求1所述的模型，其特征在于，所述区域生成模块被配置为：
3.根据权利要求2所述的模型，其特征在于，所述预设的抽取规则为：
4.根据权利要求1所述的模型，其特征在于，所述空间注意力模块包括依次连接的第一卷积层、第一激活函数、第二卷积层、第二激活函数、第三卷积层和归一化层。
5.根据权利要求1所述的模型，其特征在于，所述校准模块包括：
6.根据权利要求5所述的模型，其特征在于，所述像素校准子模块包括：
7.根据权利要...
【技术特征摘要】
1.一种行人检测模型，用于检测图像中的行人，其特征在于，所述模型包括：
2.根据权利要求1所述的模型，其特征在于，所述区域生成模块被配置为：
3.根据权利要求2所述的模型，其特征在于，所述预设的抽取规则为：
4.根据权利要求1所述的模型，其特征在于，所述空间注意力模块包括依次连接的第一卷积层、第一激活函数、第二卷积层、第二激活函数、第三卷积层和归一化层。
5.根据权利要求1所述的模型，其特征在于，所述校准模块包括：
6.根据权利要求5所述的模型，其特征在于，所述像素校准子模块包括：
7.根据权利要求6所述的模型，其特征在于，所述感兴趣区域池化子模块采用roialign层或r...
【专利技术属性】
技术研发人员：汤书苑，石晶林，周一青，李锦涛，刘畅，尚源峰，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：
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。