公开(公告)号：CN111259950B

公开(公告)日：2022-07-05

申请号：CN202010034052.6

申请日：2020-01-13

Applicant: 南京邮电大学

Inventor： 周宁宁 ,  杨贤志

IPC: G06V10/774 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于3D模型训练YOLO神经网络的方法，首先、构建待测物体3D模型及场景背景模型并结合形成场景图，随机化物体3D模型的中心点所在坐标、Euler角、纹理参数及场景背景模型，对场景图渲染多次得到原始数据集；其次、由原始数据集中标记五元组中边框界的左上顶点坐标、右下顶点坐标与图像宽高计算得到边界框的中心点坐标、宽、高与图像宽高的相对比例，从而转换得到YOLO神经网络标准数据集；最后，建立所得数据集与YOLO神经网络结合后的损失函数，使用随机梯度下降算法求损失函数近似最小值，得到待检测物体的YOLO目标检测模型，本发明可减少YOLO神经网络数据集获取成本。

公开(公告)号：CN111259950A

公开(公告)日：2020-06-09

申请号：CN202010034052.6

申请日：2020-01-13

Applicant: 南京邮电大学

Inventor： 周宁宁 ,  杨贤志

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于3D模型训练YOLO神经网络的方法，首先、构建待测物体3D模型及场景背景模型并结合形成场景图，随机化物体3D模型的中心点所在坐标、Euler角、纹理参数及场景背景模型，对场景图渲染多次得到原始数据集；其次、由原始数据集中标记五元组中边框界的左上顶点坐标、右下顶点坐标与图像宽高计算得到边界框的中心点坐标、宽、高与图像宽高的相对比例，从而转换得到YOLO神经网络标准数据集；最后，建立所得数据集与YOLO神经网络结合后的损失函数，使用随机梯度下降算法求损失函数近似最小值，得到待检测物体的YOLO目标检测模型，本发明可减少YOLO神经网络数据集获取成本。