公开(公告)号：CN106682697B

公开(公告)日：2020-04-14

申请号：CN201611241694.3

申请日：2016-12-29

Applicant: 华中科技大学

Inventor： 王兴刚 ,  陈凯兵 ,  姜玉静 ,  刘文予

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的端到端目标检测方法，包括：(1)基于经典基础网络结构，去掉经典基础网络最后的全连接层，并添加额外层从而建立卷积神经网络模型；(2)从原始训练数据集中随机选取一张原始图像进行数据扩增得到扩增图像，并获得在原始图像中随机选取的目标图像块在扩增图像中的位置和边框；(3)利用步骤(2)得到的目标图像块在扩增图像中的位置和边界，回归步骤(2)中的卷积神经网络模型得到模型参数，从而得到训练后的卷积神经网络模型；(4)利用训练后的卷积神经网络模型，检测待检测图像中的目标的边界框和类别。本方法采用直接回归目标中心点坐标、宽高和类别，与同类方法相比，在速度上有很大的优势。

公开(公告)号：CN106682697A

公开(公告)日：2017-05-17

申请号：CN201611241694.3

申请日：2016-12-29

Applicant: 华中科技大学

Inventor： 王兴刚 ,  陈凯兵 ,  姜玉静 ,  刘文予

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的端到端目标检测方法，包括：(1)基于经典基础网络结构，去掉经典基础网络最后的全连接层，并添加额外层从而建立卷积神经网络模型；(2)从原始训练数据集中随机选取一张原始图像进行数据扩增得到扩增图像，并获得在原始图像中随机选取的目标图像块在扩增图像中的位置和边框；(3)利用步骤(2)得到的目标图像块在扩增图像中的位置和边界，回归步骤(2)中的卷积神经网络模型得到模型参数，从而得到训练后的卷积神经网络模型；(4)利用训练后的卷积神经网络模型，检测待检测图像中的目标的边界框和类别。本方法采用直接回归目标中心点坐标、宽高和类别，与同类方法相比，在速度上有很大的优势。