基于超特征融合与多尺度金字塔网络的目标检测方法

发明专利有效专利

申请号：
CN201810721716.9
IPC分类号：G06K9/62;G06K9/46
申请日期：
2018-07-04
申请人：
国家新闻出版广电总局广播科学研究院;北京邮电大学

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	基于超特征融合与多尺度金字塔网络的目标检测方法
申请号	CN201810721716.9	申请日期	2018-07-04
法律状态	授权	申报国家	中国
公开/公告日	2018-12-18	公开/公告号	CN109034210A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? 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〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;K;9;/;4;6查看分类表>
申请人	国家新闻出版广电总局广播科学研究院;北京邮电大学	申请人地址	北京市西城区复兴门外大街2号监管大楼521 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	国家新闻出版广电总局广播科学研究院,北京邮电大学	当前权利人	国家新闻出版广电总局广播科学研究院,北京邮电大学
发明人	黄守志;郭晓强;付光涛;姜竹青;门爱东
代理机构	天津盛理知识产权代理有限公司	代理人	王利文

摘要

本发明涉及一种基于超特征融合与多尺度金字塔网络的目标检测方法，包括利用深度卷积神经网络提取具有不同特征信息的分层多尺度特征图；进行超特征融合；构建新的多尺度金字塔网络；根据不同层分别构建不同大小和长宽比的目标候选框；构建一个新的用于多特征提取且能够防止梯度消失的卷积模块；利用多任务损失函数对多类别分类器和边界框回归器进行联合训练优化实现图像分类和目标定位功能。本发明利用深度卷积网络对目标的特征提取能力，考虑超特征融合方法改善特征表达能力，生成了一个新的模块防止梯度消失而且能更有效地帮助训练和提取特征，构建了用于目标检测的全卷积神经网络，提高了算法的检测精度，获得了良好的目标检测结果。

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