基于CNN的多级特征融合的多类目标检测方法及模型

授权

摘要

本发明公开了一种基于CNN的多级特征融合的多类目标检测方法及模型，主要步骤包括：准备相关图像数据集，并对数据进行预处理；构建基础卷积神经网络(BaseNet)和特征融合网络(Feature‑fusedNet)模型；对上一步骤中构建的网络模型进行训练，得到相应的权重等参数的模型；用特定数据集微调已训练过的检测模型；输出目标检测模型，进行目标分类及识别，并给出检测的目标框及相应精度。另外，本发明还提供了一种基于CNN的多级特融合的多类目标检测结构模型，在提高整体检测准确度的同时，优化了模型参数量，使得模型结构更加合理。

基本信息

专利标题：

基于CNN的多级特征融合的多类目标检测方法及模型

专利标题（英）：

暂无

公开（公告）号：

CN108509978A

申请号：

CN201810166908.8

公开（公告）日：

2018-09-07

申请日：

2018-02-28

授权号：

CN108509978B

授权日：

2022-06-07

发明人：

谭冠政刘西亚陈佳庆赵志祥

申请人：

中南大学

申请人地址：

湖南省长沙市岳麓区麓山南路932号

代理机构：

长沙正奇专利事务所有限责任公司

代理人：

马强

优先权：

CN201810166908.8

主分类号：

G06K9/62

IPC分类号：

G06K9/62 G06N3/04 G06N3/08