-
公开(公告)号：CN109522831B
公开(公告)日：2023-06-02
申请号：CN201811310577.7
申请日：2018-11-06
Applicant: 中科院—南京宽带无线移动通信研发中心
IPC: G06V20/58 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于微卷积神经网络的车辆实时检测方法，所述的检测方法为：(1)对输入图像进行预处理，将其转化为灰度图像，并将该灰度图像的灰度值归一化到[0,1]之间或者[‑1,1]之间，并且重组到统一的大小；(2)将步骤(1)所得到的图像数据，输入到7层微卷积神经网络中，训练该微卷积神经网络，生成不同尺度的预测框进行类别预测和回归目标位置；(3)训练记录每个迭代的训练集上的误差和验证集上测试误差；(4)判断连续5个迭代验证集上损失是否降低，如果降低，返回步骤(2)若果没有降低，终止训练，保存所述的7层微卷积神经网络的参数，并查看特征提取效果。本发明使用7层卷积神经网络结构代替复杂的VGG‑16(用于大规模图像识别的深度卷积神经网络)，可以在普通机器上进行训练和测试自己的数据集，不需要拥有超高性能的GPU(图形处理器)等高性能计算设备，也不需要预训练网络，它可以从零开始进行训练和检测。
-
公开(公告)号：CN109522831A
公开(公告)日：2019-03-26
申请号：CN201811310577.7
申请日：2018-11-06
Applicant: 中科院—南京宽带无线移动通信研发中心
Abstract: 本发明公开了一种基于微卷积神经网络的车辆实时检测方法，所述的检测方法为：(1)对输入图像进行预处理，将其转化为灰度图像，并将该灰度图像的灰度值归一化到[0,1]之间或者[-1,1]之间，并且重组到统一的大小；(2)将步骤(1)所得到的图像数据，输入到7层微卷积神经网络中，训练该微卷积神经网络，生成不同尺度的预测框进行类别预测和回归目标位置；(3)训练记录每个迭代的训练集上的误差和验证集上测试误差；(4)判断连续5个迭代验证集上损失是否降低，如果降低，返回步骤(2)若果没有降低，终止训练，保存所述的7层微卷积神经网络的参数，并查看特征提取效果。本发明使用7层卷积神经网络结构代替复杂的VGG-16(用于大规模图像识别的深度卷积神经网络)，可以在普通机器上进行训练和测试自己的数据集，不需要拥有超高性能的GPU(图形处理器)等高性能计算设备，也不需要预训练网络，它可以从零开始进行训练和检测。
-
公开(公告)号：CN109949313A
公开(公告)日：2019-06-28
申请号：CN201910124431.1
申请日：2019-05-17
Applicant: 中科院—南京宽带无线移动通信研发中心
Abstract: 本发明公开了一种图像实时语义分割方法，包括：选取视频中的一帧图片作为当前原始图像，并对其进行N×N区域划分；将当前子图像同时输入低层次特征提取网络进行低层次特征提取并输出子图像特征图；将子图像特征图输入关键帧提取网络进行训练，判断当前子图像是否被选为下一个关键子图像；如果当前子图像被选为下一个关键子图像，则将当前子图像输入高精度语义分割网络；如果当前子图像不被选为下一个关键子图像，则将当前子图像输入快速语义分割网络；经过处理后得到的N2张语义分割图进行拼接，输入到显示设备上进行显示。本发明充分利用了一段视频中相邻帧图片之间在时间和空间上的冗余性，对语义分割的处理速度进行大幅度提高的效。
-
-
Search Results
3
records
(took 0.033 seconds)
