原文传递
基于卷积神经网络的道路目标检测方法
| 专利名称： | 基于卷积神经网络的道路目标检测方法 |
| 摘要： | 本发明公开了一种基于卷积神经网络的道路目标检测方法，旨在解决现有目标检测系统网络结构复杂、精确度不高、速度慢的技术问题。在本发明中，先制作道路目标的训练集和测试集，然后搭建TensorFlow深度学习框架，建立SSD目标检测模型结构，对道路目标图像进行特征提取，然后测试并利用损失函数优化检测模型，最后使用SoftMax算法进行分类得到检测结果。本发明的有益技术效果在于：网络结构简单、速度快并且检测精度高。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 河南;41 |
| 申请人： | 河南工业大学;郑州艾毅电子科技有限公司 |
| 发明人： | 张庆辉;万晨霞;韩伟良 |
| 专利状态： | 有效 |
| 发布日期： | 2019-01-01T00:00:00+0800 |
| 申请号： | CN201810044670.1 |
| 公开号： | CN108304787A |
| 代理机构： | 河南科技通律师事务所 41123 |
| 代理人： | 张晓辉;樊羿 |
| 分类号： | G06K9/00(2006.01)I;G06K9/62(2006.01)I;G06N3/04(2006.01)I;G;G06;G06K;G06N;G06K9;G06N3;G06K9/00;G06K9/62;G06N3/04 |
| 申请人地址： | 450001 河南省郑州市市辖区高新技术产业开发区莲花街100号 |
| 主权项： | 1.一种基于卷积神经网络的道路目标检测方法，其特征在于，包括以下步骤：（1）制作道路目标的训练集和测试集；（2）搭建TensorFlow深度学习框架并引入VGG网络结构，对道路目标图像进行特征提取，其中检测模型的配置利用SSD算法完成；（3）把多目标检测问题转换为道路目标检测，所述道路目标包括车辆、步行的人和骑行的人；（4）用交叉熵代价函数作为置信度损失函数，并与预测框与真实框之间的位置损失函数进行加权求和，得到总体的损失函数对检测模型进行优化；（5）对得到的特征利用SoftMax算法进行分类，得到检测结果。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
