-
公开(公告)号：CN110222769B
公开(公告)日：2022-09-16
申请号：CN201910495809.9
申请日：2019-06-06
Applicant: 大连理工大学
IPC: G06V10/762 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于YOLOV3‑tiny的改进目标检测方法，包括以下步骤：确认要检测的目标种类；获取所有目标标注框的宽高占原图宽高的比例数据；用K‑means算法聚类出9个不同大小的锚框；搭建目标检测神经网络。本发明采用轻量化目标检测网络YOLOV3‑tiny，计算量小，能够在嵌入式硬件中进行目标检测任务并保证实时性。对于原图大小为416*416的图片，YOLOV3‑tiny网络能被检测出来的最小目标尺寸为16*16；本发明通过在原始YOLOV3‑tiny网络上增加52*52的预测尺度，理论上能被检测出来的最小目标尺寸为8*8，能够在不降低检测速度的前提下提高对小物体的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN109829445A
公开(公告)日：2019-05-31
申请号：CN201910157557.9
申请日：2019-03-01
Applicant: 大连理工大学
Abstract: 本发明公开了一种视频流中的车辆检测方法，包括以下步骤：获取视频帧，采用训练完成的卷积神经网络对获得的视频帧进行识别，并根据结果判断视频中是否有车辆，以及车辆所在的具体位置；由车辆检测得到车辆在图像中的位置，用卡尔曼滤波器预测其在下一帧的数值，作为车辆跟踪结果；将车辆检测的结果和车辆跟踪的结果进行关联，依据关联结果修正滤波器参数，更新滤波器群信息。本发明设计一种网络层数少、结构小的卷积神经网络用于车辆检测任务，检测速度快、精度高。本发明使用卡尔曼跟踪算法进行检测框的位置预测，跟踪速度快且稳定。本发明利用数据关联策略将检测算法与跟踪算法结合，体现帧与帧之间车辆的关联性，并且能降低车辆对象的漏检率。
-
公开(公告)号：CN110222769A
公开(公告)日：2019-09-10
申请号：CN201910495809.9
申请日：2019-06-06
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于YOLOV3-tiny的改进目标检测方法，包括以下步骤：确认要检测的目标种类；获取所有目标标注框的宽高占原图宽高的比例数据；用K-means算法聚类出9个不同大小的锚框；搭建目标检测神经网络。本发明采用轻量化目标检测网络YOLOV3-tiny，计算量小，能够在嵌入式硬件中进行目标检测任务并保证实时性。对于原图大小为416*416的图片，YOLOV3-tiny网络能被检测出来的最小目标尺寸为16*16；本发明通过在原始YOLOV3-tiny网络上增加52*52的预测尺度，理论上能被检测出来的最小目标尺寸为8*8，能够在不降低检测速度的前提下提高对小物体的检测精度。
-
公开(公告)号：CN110210621B
公开(公告)日：2022-09-20
申请号：CN201910492966.4
申请日：2019-06-06
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于残差网络改进的目标检测方法，基于YOLO V3‑tiny网络，通过不断地卷积操作提取特征，最后将图片分成13*13的网格，对于每个网格单元，通过3个锚框预测出中心点落在该网格单元中的目标的检测框，具体包括以下步骤：确认要识别的目标种类数量；构成数据集；搭建目标检测神经网络；得到训练权重文件。本发明采用轻量化目标检测网络YOLOV3‑tiny，计算量小，能在嵌入式硬件中进行目标检测任务并保证实时性。本发明利用残差网络resnet18代替原有特征提取网络，残差网络对于同样层数的特征提取网络来说，加入残差结构会提高网络的特征提取能力，能在不降低检测速度的前提下，增加目标检测精度。
-
公开(公告)号：CN109829445B
公开(公告)日：2021-11-30
申请号：CN201910157557.9
申请日：2019-03-01
Applicant: 大连理工大学
Abstract: 本发明公开了一种视频流中的车辆检测方法，包括以下步骤：获取视频帧，采用训练完成的卷积神经网络对获得的视频帧进行识别，并根据结果判断视频中是否有车辆，以及车辆所在的具体位置；由车辆检测得到车辆在图像中的位置，用卡尔曼滤波器预测其在下一帧的数值，作为车辆跟踪结果；将车辆检测的结果和车辆跟踪的结果进行关联，依据关联结果修正滤波器参数，更新滤波器群信息。本发明设计一种网络层数少、结构小的卷积神经网络用于车辆检测任务，检测速度快、精度高。本发明使用卡尔曼跟踪算法进行检测框的位置预测，跟踪速度快且稳定。本发明利用数据关联策略将检测算法与跟踪算法结合，体现帧与帧之间车辆的关联性，并且能降低车辆对象的漏检率。
-
公开(公告)号：CN110210621A
公开(公告)日：2019-09-06
申请号：CN201910492966.4
申请日：2019-06-06
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于残差网络改进的目标检测方法，基于YOLO V3-tiny网络，通过不断地卷积操作提取特征，最后将图片分成13*13的网格，对于每个网格单元，通过3个锚框预测出中心点落在该网格单元中的目标的检测框，具体包括以下步骤：确认要识别的目标种类数量；构成数据集；搭建目标检测神经网络；得到训练权重文件。本发明采用轻量化目标检测网络YOLOV3-tiny，计算量小，能在嵌入式硬件中进行目标检测任务并保证实时性。本发明利用残差网络resnet18代替原有特征提取网络，残差网络对于同样层数的特征提取网络来说，加入残差结构会提高网络的特征提取能力，能在不降低检测速度的前提下，增加目标检测精度。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
