[00294294]一种基于深度卷积神经网络的汽车驾驶场景目标检测方法
交易价格:
面议
所属行业:
分析仪器
类型:
发明专利
技术成熟度:
正在研发
专利所属地:中国
专利号:CN201710259285.4
交易方式:
技术转让
技术转让
技术入股
联系人:
华南理工大学
进入空间
所在地:广东广州市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
摘要:本发明公开了一种基于深度卷积神经网络的汽车驾驶场景目标检测方法,该检测方法包含如下优化技术首先采用聚类算法对训练数据的目标宽高进行聚类,采用聚类中心优化锚点设置;其次采用分类性能更强的残差网络作为特征提取网络,在此基础上设计一个融合特征网络,利于小目标的检测;其次采用在线困难样本挖掘算法以及均衡正负样本候选区域来优化网络的训练;最后采用训练得到的模型处理图像,并对输出进行后处理优化,实现汽车驾驶场景下的目标检测功能。本发明基于CAFFE深度学习框架以及Faster RCNN算法,通过优化锚点设置、设计融合特征网络、优化训练过程以及对结果后处理,得到了一种高性能的基于深度卷积网络的汽车驾驶场景目标检测方法。
摘要:本发明公开了一种基于深度卷积神经网络的汽车驾驶场景目标检测方法,该检测方法包含如下优化技术首先采用聚类算法对训练数据的目标宽高进行聚类,采用聚类中心优化锚点设置;其次采用分类性能更强的残差网络作为特征提取网络,在此基础上设计一个融合特征网络,利于小目标的检测;其次采用在线困难样本挖掘算法以及均衡正负样本候选区域来优化网络的训练;最后采用训练得到的模型处理图像,并对输出进行后处理优化,实现汽车驾驶场景下的目标检测功能。本发明基于CAFFE深度学习框架以及Faster RCNN算法,通过优化锚点设置、设计融合特征网络、优化训练过程以及对结果后处理,得到了一种高性能的基于深度卷积网络的汽车驾驶场景目标检测方法。