一种基于深度学习的目标检测方法和系统

本发明公开了一种基于深度学习的目标检测方法，包括以下步骤：S1：分类，深度生成模型，建立模型数据的概率分布，通过在多个空间位置上共享参数，CNN能够提取公共特征，生成新的数据样本，特别适合处理结构化数据，如图像和视频；S2：定位，构建深度神经网络DNN架构，提取空间特征，识别关键点，递归神经网络RNN则用于处理时序数据，捕捉运动模式，可以模拟数据间的依赖关系；S3：检测，利用定位的数据模型，获取深度学习的检测模型，结合区域提名和卷积神经网络，能够自动学习和提取图像特征，获取准确度数据模型。本发明保持了较高的准确度，它通过在不同层级的特征图上预测边界框和分类置信度，有效地捕捉了物体的细节信息。