一种基于卷积神经网络模型的目标检测识别方法

摘要

本发明提供了一种基于卷积神经网络模型的目标检测识别方法，首先构建Dense‑Spp‑Gaussion网络模型，以密集连接DenseNet网络为骨干网络，引入空间金字塔池化结构和多尺度检测，并采用Gaussian模型对网络输出进行建模，可以得到每个预测框的可靠性，提升检测精度，然后预测值与真实值之间的误差构建损失函数，迭代更新模型参数使得损失函数收敛，最后获得训练好的模型用于目标检测识别。本发明采用4种尺度检测，提高了对小目标的检出率，并用Gaussian模型对位置信息进行建模，得到定位准确度信息，提升了总的检测准确率。