一种基于深度学习的交通场景目标检测方法及系统

发明专利有效专利

申请号：
CN202010205946.7
IPC分类号：G06K9/00;G06K9/34;G06K9/46;G06K9/62;G06N3/04;G06N3/08
申请日期：
2020-03-23
申请人：
武汉理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度学习的交通场景目标检测方法及系统
申请号	CN202010205946.7	申请日期	2020-03-23
法律状态	实质审查	申报国家	中国
公开/公告日	2020-07-17	公开/公告号	CN111428625A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;3;4;;;G;0;6;K;9;/;4;6;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	武汉理工大学	申请人地址	湖北省武汉市洪山区珞狮路122号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	武汉理工大学	当前权利人	武汉理工大学
发明人	王宇宁;胡阳阳;蒋海洋;鲁茂强
代理机构	武汉科皓知识产权代理事务所（特殊普通合伙）	代理人	严彦

摘要

本发明公开了一种基于深度学习的交通场景目标检测方法及系统，利用改进的YOLOv3目标检测方法检测车辆和行人，包括为实现交通场景特征提取建立改进的YOLOv3模型并进行训练，所述改进的YOLOv3模型基于边界框的中心信息和大小信息，对边界框进行建模，得到相应高斯模型，以预测边界框的不确定性，并相应设置损失函数；将车载收集的交通视频分解为图片并进行标记，将图片输入到经过训练所得改进的YOLOv3模型，识别出交通场景中的车辆和行人。本发明对YOLOv3进行高斯建模和损失函数重构减少训练过程中噪声数据的影响并预测定位不确定性来提高精度，使用该预测的定位不确定性，可以进一步提高检测精度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供