一种基于深度卷积神经网络的小目标快速检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106599827A(43)申请公布日2017.04.26(21)申请号201611129536.9(22)申请日2016.12.09(71)申请人浙江工商大学地址310018浙江省杭州市下沙高教园区学正街18号(72)发明人田彦王勋黄刚(74)专利代理机构杭州天勤知识产权代理有限公司33224代理人胡红娟(51)Int.Cl.G06K9/00(2006.01)G06N3/02(2006.01)权利要求书1页说明书5页附图3页(54)发明名称一种基于深度卷积神经网络的小目标快速检测方法(57)摘要本发明公开了一种基于深度卷积神经网络的小目标快速检测方法，该方法对深度卷积神经网络通过以下方法进行改进：选择VGG16网络最后一个共享卷积层的卷积特征图上滑动窗口作为候选框，且采用半像素精度滑动窗；删除地五池化层，保留其他卷积层和池化层；增加一个卷积核为3x3的卷积层；用两个卷积核为1x1卷积层替代网络中所有的全连接层，得到本发明采用的网络，利用采集的数据训练该网络，得到小目标分类模型，并利用该模型进行小目标检测。该方法能够降低计算复杂度，提高小目标的检出率。CN106599827ACN106599827A权利要求书1/1页1.一种基于深度卷积神经网络的小目标快速检测方法，具体步骤为：(1)采集训练数据并对训练数据进行预处理；(2)利用预处理的训练数据对网络进行训练，得到小目标分类器模型：预训练阶段：采用ImageNet数据库训练得到VGG16网络；微调阶段：以VGG16网络为基础，利用预处理的训练数据进行网络训练，得到小目标分类器模型；(3)采集测试数据并对测试数据进行预处理，得到小目标的彩色图像；(4)给定测试图像，将训练得到的网络执行一次前向传递，每个滑动窗经过网络得到小目标或非小目标的分类置信度和候选框的位置和尺度信息，将其分类置信度与固定门限进行比较，得到高分类置信度的小目标检测结果；(5)利用所有高置信度的小目标检测结果基于最优化方法得到小目标方程；此处的高分类置信度的小目标是分类置信度超过固定门限的小目标。2.根据权利要求1所述基于深度卷积神经网络的小目标快速检测方法，其特征在于：所述的步骤(1)的具体步骤为：(1-1)架设图像传感器，获得需提取小目标的彩色图像；(1-2)对训练数据进行清洗，去除外观模糊和被遮挡的无效目标；(1-3)使用自有标定工具将彩色图像中的小目标轮廓标定出来；(1-4)对训练数据进行扩展，得到足够的训练数据。3.根据权利要求1所述基于深度卷积神经网络的小目标快速检测方法，其特征在于：微调阶段的具体步骤为：(1)选择VGG16网络最后一个共享卷积层的卷积特征图上滑动窗口作为候选框，且采用半像素精度滑动窗；(2)在VGG16网络结构的基础上，删除第五池化层，保留其他卷积层和池化层；增加一个卷积核为3x3的卷积层；用两个卷积核为1x1卷积层替代网络中所有的全连接层，得到改进的VGG16网络结构；(3)使用选定的候选框利用改进的VGG16网络结构进行网络训练，得到小目标分类器模型。4.根据权利要求1所述基于深度卷积神经网络的小目标快速检测方法，其特征在于：步骤(2)中采用GPU进行计算。2CN106599827A说明书1/5页一种基于深度卷积神经网络的小目标快速检测方法技术领域[0001]本发明属于自动汽车驾驶领域和高级驾驶辅助系统领域，具体涉及一种基于深度卷积神经网络的小目标快速检测方法。背景技术[0002]自动驾驶汽车(Autonomousvehiclesdriving,AVD)，又称无人驾驶汽车、电脑驾驶汽车或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类操作时自动安全地操作机动车辆。高级驾驶辅助系统技术领域派生于并服务于自动汽车驾驶技术领域，高级驾驶辅助系统(AdvancedDriverAssistantSystem,ADAS)有车道保持辅助系统、自动泊车辅助系统、刹车辅助系统、倒车辅助系统和行车辅助系统。不难发现，每个子系统都离不开小目标(车道线、行人、小型障碍物、交通标识符等)的检测，高级驾驶辅助系统首先通过安装在车上的图像传感器收集车内外的环境数据，然后进行物体的检测、识别与跟踪，从而预知危险提前预警，保证驾驶员安全驾驶。目前车道线的精准检测和定位是自动汽车驾驶和高级驾驶辅助系统技术领域的瓶颈，利用图像传感器获得的数据判断车道线是否存在、以及车道线出现的准确位置是车道线检测技术的关键，也是本发明要解决的问题。[0003]自动汽车驾驶和高级驾驶辅助系统发展至今，各种车道线检测技术层出不穷，目前现有的车道线检测