发明名称 |
一种基于深度卷积神经网络的小目标快速检测方法 |
摘要 |
本发明公开了一种基于深度卷积神经网络的小目标快速检测方法,该方法对深度卷积神经网络通过以下方法进行改进:选择VGG16网络最后一个共享卷积层的卷积特征图上滑动窗口作为候选框,且采用半像素精度滑动窗;删除地五池化层,保留其他卷积层和池化层;增加一个卷积核为3x3的卷积层;用两个卷积核为1x1卷积层替代网络中所有的全连接层,得到本发明采用的网络,利用采集的数据训练该网络,得到小目标分类模型,并利用该模型进行小目标检测。该方法能够降低计算复杂度,提高小目标的检出率。 |
申请公布号 |
CN106599827A |
申请公布日期 |
2017.04.26 |
申请号 |
CN201611129536.9 |
申请日期 |
2016.12.09 |
申请人 |
浙江工商大学 |
发明人 |
田彦;王勋;黄刚 |
分类号 |
G06K9/00(2006.01)I;G06N3/02(2006.01)I |
主分类号 |
G06K9/00(2006.01)I |
代理机构 |
杭州天勤知识产权代理有限公司 33224 |
代理人 |
胡红娟 |
主权项 |
一种基于深度卷积神经网络的小目标快速检测方法,具体步骤为:(1)采集训练数据并对训练数据进行预处理;(2)利用预处理的训练数据对网络进行训练,得到小目标分类器模型:预训练阶段:采用ImageNet数据库训练得到VGG16网络;微调阶段:以VGG16网络为基础,利用预处理的训练数据进行网络训练,得到小目标分类器模型;(3)采集测试数据并对测试数据进行预处理,得到小目标的彩色图像;(4)给定测试图像,将训练得到的网络执行一次前向传递,每个滑动窗经过网络得到小目标或非小目标的分类置信度和候选框的位置和尺度信息,将其分类置信度与固定门限进行比较,得到高分类置信度的小目标检测结果;(5)利用所有高置信度的小目标检测结果基于最优化方法得到小目标方程;此处的高分类置信度的小目标是分类置信度超过固定门限的小目标。 |
地址 |
310018 浙江省杭州市下沙高教园区学正街18号 |