基于深度学习的网络图像目标检测方法

作者：梁丽香; 王贵文; 张翠翠

来源：信息与电脑(理论版), 2022, 34(09): 56-58.

• 深度学习
• 网络图像目标
• 卷积神经网络

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%。

• 单位
  凯里学院