一種基于深度學(xué)習(xí)模型識(shí)別結(jié)果的區(qū)域檢測(cè)修正方法

基本信息

申請(qǐng)?zhí)?/td> CN201910359641.9 申請(qǐng)日 -
公開（公告）號(hào) CN110110722A 公開（公告）日 2019-08-09
申請(qǐng)公布號(hào) CN110110722A 申請(qǐng)公布日 2019-08-09
分類號(hào) G06K9/32;G06N3/04 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 吳祥淼;葛武;張家豪;王勇 申請(qǐng)（專利權(quán)）人 廣州華工邦元信息技術(shù)有限公司
代理機(jī)構(gòu) - 代理人 -
地址 510000 廣東省廣州市天河區(qū)五山路381號(hào)華南理工大學(xué)后勤綜合樓3層B區(qū)
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于深度學(xué)習(xí)模型識(shí)別結(jié)果的區(qū)域檢測(cè)修正方法，具體涉及人工智能領(lǐng)域，修正設(shè)備；所述修正設(shè)備包括運(yùn)行設(shè)備，所述運(yùn)行設(shè)備的連接端設(shè)有深度卷積神經(jīng)網(wǎng)絡(luò)模型存儲(chǔ)器，所述運(yùn)行設(shè)備包括電腦，所述深度卷積神經(jīng)網(wǎng)絡(luò)模型存儲(chǔ)器內(nèi)部存儲(chǔ)有深度卷積神經(jīng)網(wǎng)絡(luò)模型。本發(fā)明利用圖像中的紋理信息、邊緣信息和顏色信息預(yù)先找出圖中目標(biāo)可能出現(xiàn)的位置，可以保證在選取較少窗口的情況下保持較高的召回率，大大降低了后續(xù)操作的時(shí)間復(fù)雜度，并且獲取的候選窗口相較于滑動(dòng)窗口質(zhì)量更高，進(jìn)而實(shí)現(xiàn)對(duì)目標(biāo)物體檢測(cè)的最優(yōu)識(shí)別，檢測(cè)效率較高的同時(shí)檢測(cè)結(jié)果更加準(zhǔn)確，魯棒性較好，在計(jì)算機(jī)視覺(jué)領(lǐng)域?qū)嶋H應(yīng)用中有重要的應(yīng)用前景。