一种基于深度学习的交通复杂场景目标检测方法及系统

本发明公开了一种基于深度学习的交通复杂场景目标检测方法及系统，涉及自动驾驶场景图像处理技术领域，包括获取驾驶车辆所有视角的图像化采集数据并同步整理；对每组同步图像数据组内的子对象分别进行初始标注；对同一类别的目标进行边界标注对比，获得标注差异度并筛选出标准数据集；利用标准数据集并基于卷积神经网络模型进行交通场景目标检测。该方法及系统利用车辆多个视角获得的图像数据进行同步整理，然后判断各视角图像标注后的区别差异程度，将区别差异程度满足要求的图像数据作为卷积神经网络学习与训练的数据集，从而降低因采集单个视角的标注数据进行学习训练带来的误差，保证了目标学习准确度与后续判断精度。