公开(公告)号：CN109063559B

公开(公告)日：2021-05-11

申请号：CN201810685848.0

申请日：2018-06-28

Applicant: 东南大学

Inventor： 姚莉 ,  周威威 ,  吴含前

IPC: G06K9/00 ,  G06N3/04

Abstract: 本发明公开了一种基于改良区域回归的行人检测方法，包括标记训练样本；构建包括卷积特征提取、语义分割层、分类层和区域回归层的区域生成网络，利用训练样本迭代更新其参数；构建包括卷积特征提取、语义分割层和分类层的深度卷积神经网络，利用前一步获取到的多个候选区域迭代更新其参数；获取待检测行人的图像；将待检测图像输入训练好的区域生成网络，得到多个候选区域及每个候选区域p被预测为行人和背景的置信度评分；将前一步得到的多个候选区域，选择前Ntop个输入训练好的深度卷积神经网络，得到每个候选区域q被预测为行人和背景的置信度评分；融合前两步的结果，得到候选区域q被预测为行人的概率。该方法通过融合多网络输出，能够提供端到端的行人检测方案。

公开(公告)号：CN109063559A

公开(公告)日：2018-12-21

申请号：CN201810685848.0

申请日：2018-06-28

Applicant: 东南大学

Inventor： 姚莉 ,  周威威 ,  吴含前

IPC: G06K9/00 ,  G06N3/04

CPC classification number: G06K9/00362 ,  G06N3/0454

Abstract: 本发明公开了一种基于改良区域回归的行人检测方法，包括标记训练样本；构建包括卷积特征提取、语义分割层、分类层和区域回归层的区域生成网络，利用训练样本迭代更新其参数；构建包括卷积特征提取、语义分割层和分类层的深度卷积神经网络，利用前一步获取到的多个候选区域迭代更新其参数；获取待检测行人的图像；将待检测图像输入训练好的区域生成网络，得到多个候选区域及每个候选区域p被预测为行人和背景的置信度评分；将前一步得到的多个候选区域，选择前Ntop个输入训练好的深度卷积神经网络，得到每个候选区域q被预测为行人和背景的置信度评分；融合前两步的结果，得到候选区域q被预测为行人的概率。该方法通过融合多网络输出，能够提供端到端的行人检测方案。