公开(公告)号：CN111832393A

公开(公告)日：2020-10-27

申请号：CN202010471931.5

申请日：2020-05-29

Applicant: 东南大学

Inventor： 杨鹏 ,  闵克祥 ,  何大治 ,  纪雯

IPC: G06K9/00 ,  G06K9/36 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的视频目标检测方法与装置。本发明在提取帧图像特征后，利用改进的SeqtoSeq模型提取视频中的时序信息，并利用该信息提高帧图像的特征质量，在一定程度上解决目标运动模糊、视频散焦、目标姿态奇异以及遮挡等帧图像恶化现象导致的检测精度降低问题。然后，对视频中的目标关系进行建模，从目标视觉特征、位置特征和时序特征三方面挖掘视频中目标之间潜在语义关系，并通过目标关系对候选框特征进行重新编码，以此丰富候选框的特征表示。本发明不仅能够提高视频目标检测的检测精度，同时还具有优良的鲁棒性。

公开(公告)号：CN111832393B

公开(公告)日：2024-05-07

申请号：CN202010471931.5

申请日：2020-05-29

Applicant: 东南大学

Inventor： 杨鹏 ,  闵克祥 ,  何大治 ,  纪雯

IPC: G06V10/25 ,  G06V20/40 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/048

Abstract: 本发明公开了一种基于深度学习的视频目标检测方法与装置。本发明在提取帧图像特征后，利用改进的SeqtoSeq模型提取视频中的时序信息，并利用该信息提高帧图像的特征质量，在一定程度上解决目标运动模糊、视频散焦、目标姿态奇异以及遮挡等帧图像恶化现象导致的检测精度降低问题。然后，对视频中的目标关系进行建模，从目标视觉特征、位置特征和时序特征三方面挖掘视频中目标之间潜在语义关系，并通过目标关系对候选框特征进行重新编码，以此丰富候选框的特征表示。本发明不仅能够提高视频目标检测的检测精度，同时还具有优良的鲁棒性。