一种基于卷积神经网络的目标边界实时检测方法

本发明公开一种基于卷积神经网络的目标边界实时检测方法，首先输入图片，提取该图片的特征图，预测边界框坐标和置信评分预测值。然后通过特征图得到引用边界框坐标，根据预测边界框坐标和引用边界框坐标计算出相关边界框坐标和实际边界框坐标，计算相关边界框和实际边界框的重叠值，对具有最大重叠部分的实际边界框设置最大重叠标记。最后根据重叠值，最大重叠标记和置信评分预测值计算引用边界框的置信评分，保留前N个具有最高置信评分的引用边界框，过滤其他边界框，得到最终结果。本发明将卷积神经网络用来提取特征图和作为输出层去计算边界框坐标和置信评分，通过多任务的损失函数训练卷积层，有效提高卷积神经网络的运行效率和计算精度。