买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州科技大学;昆山市公安局

摘要：本发明涉及智能家居环境中图像目标检测方法，通过ImageNet数据进行模型的预训练，采用随机种子融合多种图像增强方式将家居数据增强及扩充预处理操作，利用特征提取网络，引入空洞卷积，采用预训练好的模型参数，对处理好的家居数据集进行模型的再次训练；保存二次训练好的模型，对其进行封装，对图像库和检测库中的图像进行k‑means聚类分析，形成特定的目标检测特征库；当输入单张家居图像时，对输入的图像用特征提取网络进行特征的提取得到预测边框的四个坐标，对预测边框进行回归和分类计算，通过非极大值抑制输出检测结果。满足智能家居环境中目标检测要求。

主权项：1.一种智能家居环境中图像目标检测方法，其特征在于：包括以下步骤：a首先，数据的筛选、标签和预处理从海量的图像库中筛选出符合智能家居环境的图像；随后对筛选的图像打标签，生成目标检测数据集；采用随机种子融合多种图像增强方式将家居数据进行增强和扩充操作；b然后，利用特征提取网络进行特征提取并训练模型采用16层VGG16作为特征提取网络，VGG16为一连串级联网的卷积层，形成空间分辨率降低、感受野增大的特征图，损失信息和细节；引入空洞卷积，通过卷积核模拟人类视觉中的不同感受野结构，卷积核接受不同膨胀率的空洞卷积来模拟感受野和偏心率之间的关系；针对特征提取网络，利用在ImageNet上训练好的参数，对预处理好的图像进行训练；c继而，对图像库和目标检测库中的图像通过k-means算法进行聚类分析，在3个不同尺度生成3个先验框，通道数为3，后续框大小将基于9个先验框进行微调；d最后，通过回归和分类计算输出目标检测的结果；通过神经网络对图像进行特征的提取，进而形成相应的预测边界框，对预测边界框进行回归和分类计算，并且通过非极大值抑制输出最后的结果；步骤b，训练过程中，总计训练40000～60000个batch，batch_size为8～32，在ImageNet预训练参数的基础上采用Adam算法进行优化；在ImageNet预训练的参数基础上采用Adam算法进行优化，利用梯度的一阶矩阵估计和二阶矩阵估计动态的调整；采用指数衰减学习率，即学习率会根据训练下降的速度自行调节变化，指数衰减学习率的公式为： 其中，lr为当前学习率，lr0为初始学习率，gamma为学习率衰减系数，globalstep为当前迭代次数，decaysteps为衰减速度，*为乘号，^为幂次运算。

全文数据：

权利要求：

百度查询： 苏州科技大学 昆山市公安局 智能家居环境中图像目标检测方法