【技术实现步骤摘要】
一种基于反馈机制的目标检测方法及系统
本专利技术涉及计算机视觉
,尤其涉及一种基于反馈机制的目标检测方法及系统。
技术介绍
目标检测是计算机视觉中一个重要的分支,它由两部分任务组成,即定位和分类。因此,目标检测需要用矩形框定位出输入图像或视频的目标位置以及目标类别。而随着计算机技术的发展和计算机视觉原理的广泛应用,利用计算机图像处理技术对目标进行实时跟踪研究越来越热门,对目标进行动态实时跟踪定位在智能化交通系统、智能监控系统、军事目标检测及医学导航手术中手术器械定位等方面具有广泛的应用价值。正由于目标检测可以被分解为定位和分类两个任务,因此很自然想到可以分别解决这两个问题,按照这种思路实现的检测器属于多阶段方法。多阶段分类器的代表工作包括R-CNN,Fast-RCNN,Faster-RCNN以及Cascade-rcnn等。R-CNN采用selectivesearch算法提取出有可能含有目标的候选区域,然后将候选区域输入卷积神经网络(CNN),提取特征,再用支持向量机(SVM)进行分类,最后加入一个回归器对候选区 ...
【技术保护点】
1.一种基于反馈机制的目标检测方法,其特征在于,包括:/n获取待检测目标;/n将所述待检测目标输入至改进的IFF目标检测器,得到目标检测结果;其中所述改进的IFF目标检测器是基于目标检测器,增加IFF模块所获得的。/n
【技术特征摘要】
1.一种基于反馈机制的目标检测方法,其特征在于,包括:
获取待检测目标;
将所述待检测目标输入至改进的IFF目标检测器,得到目标检测结果;其中所述改进的IFF目标检测器是基于目标检测器,增加IFF模块所获得的。
2.根据权利要求1所述的基于反馈机制的目标检测方法,其特征在于,所述改进的IFF目标检测器,通过以下步骤获得:
获取所述目标检测器的基本结构,所述基本结构包括Backbone部分、Head部分和NMS部分;
在所述Head部分增加至少一个IFF模块,使所述目标检测器转换成所述改进的IFF目标检测器。
3.根据权利要求2所述的基于反馈机制的目标检测方法,其特征在于,所述在所述Head部分增加至少一个IFF模块,具体包括:
根据预设检测精度需求,在所述Head部分增加对应预设数量的IFF模块。
4.根据权利要求1至3中任一权利要求所述的基于反馈机制的目标检测方法,其特征在于,所述IFF模块具体包括:
若干个前向传播的特征图、若干前向传播的输出、所述目标检测器包含的卷积核和针对所述IFF模块新增的卷积核。
5.根据权利要求4所述的基于反馈机制的目标检测方法,其特征在于,所述若干个前向传播的特征图、若干前向传播的输出、所述目标检测器包含的卷积核和针对所述IFF模块新增的卷积核,进一步包括:
其中,x[0]表示前向传播的初始特征图,x[k]表示表示第k次前向传播的特征图,y[k]表示第k次前向传播的输出,x[k+1...
【专利技术属性】
技术研发人员:张宝昌,吕金虎,毛明远,田雨鑫,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。