一种自适应聚焦定位目标检测方法技术

本发明专利技术涉及一种自适应聚焦定位目标检测方法，包括以下步骤：接收待识别图像；将所述待识别图像输入至目标检测模型中得到所述待识别图像中目标的位置和类别。所述目标检测模型包括：特征提取层，用于提取所述待识别图像的特征；目标类别预测层，用于将所述特征提取层提取的每层特征进行分块操作，并对每一个块进行类别预测和系数预测；目标定位预测层，用于根据所述特征提取层提取的特征生成掩膜元组，并将所述掩膜元组与所述目标类别预测层得到的系数相乘后求和得到目标掩码。本发明专利技术能够提升目标检测的精度。升目标检测的精度。升目标检测的精度。

【技术实现步骤摘要】
一种自适应聚焦定位目标检测方法


[0001]本专利技术涉及目标检测
，特别是涉及一种自适应聚焦定位目标检测方法。

技术介绍

[0002]目前的交通标志检测大体上可以分为两大类。一类是传统的根据交通标志的形状、颜色等特征识别交通标志；另一类是使用深度学习来识别交通标志。深度学习的方法又可以根据其采用的方法分为单阶段的和双阶段的。双阶段的方法首先利用神经网络在各个像素点生成各种尺寸和大小的候选框，然后判断候选框内是否含有目标以及目标的类别。单阶段的方法则是通过神经网络直接得到目标矩形框的参数以及对应目标的类别标签。双阶段的目标检测方法准确率普遍高于单阶段的方法，但这是以计算量为代价的。
[0003]与其他目标检测任务相比，交通标志检测任务不用考虑遮挡的情况，但是不同交通标志的相似性以及不同距离导致的交通标志尺寸多变会导致的识别困难。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种自适应聚焦定位目标检测方法，能够提升目标检测的精度。
[0005]本专利技术解决其技术问题所采用的技术方案是：提供一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应聚焦定位目标检测方法，其特征在于，包括以下步骤：接收待识别图像；将所述待识别图像输入至目标检测模型中得到所述待识别图像中目标的位置和类别；其中，所述目标检测模型包括：特征提取层，用于提取所述待识别图像的特征；目标类别预测层，用于将所述特征提取层提取的每层特征进行分块操作，并对每一个块进行类别预测和系数预测；目标定位预测层，用于根据所述特征提取层提取的特征生成掩膜元组，并将所述掩膜元组与所述目标类别预测层得到的系数相乘后求和得到目标掩码。2.根据权利要求1所述的自适应聚焦定位目标检测方法，其特征在于，所述特征提取层在相邻的残差结构之间加入混叠残差结构。3.根据权利要求2所述的自适应聚焦定位目标检测方法，其特征在于，所述混叠残差结构包括第一处理单元、第二处理单元和第二ReLU激活函数层，所述第一处理单元的输入为本层特征信息，所述第一处理单元的输出与低层特征信息同时作为所述第二处理单元的输入，所述第二处理单元的输出和所述本层特征信息作为所述第二ReLU激活函数层的输入；所述第一处...

【专利技术属性】
技术研发人员：施颖君，石文君，朱冬晨，李嘉茂，张晓林，
申请(专利权)人：中国科学院上海微系统与信息技术研究所，
类型：发明
国别省市：