首页 > 专利技术

一种基于多层特征图连接的深度学习目标检测方法[发明专利]

专利名称：一种基于多层特征图连接的深度学习目标检测方法专利类型：发明专利

发明人：杨爱萍，鲁立宇，冀中，庞彦伟，杨炳旺

申请号：CN201910363921.7

申请日：20190430

公开号：CN110110783A

公开日：

20190809

专利内容由知识产权出版社提供

摘要：本发明公开一种基于多层特征图连接的深度学习目标检测方法，具体步骤如下：步骤(1)、获取训练集和测试集；步骤(2)、用卷积神经网络的卷积层实现目标检测；卷积神经网络的网络结构分为四个部分：特征提取、多层特征图连接、候选框的产生及目标分类和回归，特征提取使用ResNet101作为主题框架，多层特征图连接就是对ResNet101的不同语义层C2,C3,C4,C5进行多层次的交替连接，候选框通过RPN网络产生，目标分类和回归通过RCNN网络实现。

申请人：天津大学

地址：300350 天津市津南区海河教育园雅观路135号天津大学北洋园校区

国籍：CN

代理机构：天津市北洋有限责任专利代理事务所

代理人：刘子文

本文发布于:2024-09-22 23:22:38，感谢您对本站的认可！

本文链接：https://www.17tex.com/tex/3/428148.html

上一篇：机械领域权利要求书撰写中的词语用法注意点

下一篇：一种基于无线射频信号的行为检测方法及系统[发明专利]