基于深度学习的网络图像目标检测方法

摘要

由于图像质量的差异,导致部分目标的特征出现模糊,降低了对目标的检测精度,因此本文提出基于深度学习的网络图像目标检测方法。利用卷积神经网络第一和第二卷积层的视觉感应域,提取图像包含的边缘、颜色、纹理以及表面特征信息,并通过在图像上构建n×n网格,为每个目标建立了唯一的坐标标签,以此避免目标重复检测。在此基础上,利用卷积神经网络(Convolutional Neural Networks,CNN)的池化层计算出目标特征损失函数,以最小化损失函数为目标对卷积神经网络进行训练,实现对图像目标的准确检测。测试结果表明,设计方法对不同光照信息、背景信息以及目标尺度条件下的目标检测精度均值可以达到88.29%。