一种基于自适应多级融合特征池的目标检测方法技术

本发明专利技术涉及人工智能、深度学习和目标检测领域，具体涉及一种基于自适应多级融合特征池的目标检测方法；该方法包括基于现有YOLOv5网络构建改进YOLOv5网络，改进YOLOv5网络包括骨干网络、颈部网络和头部网络；颈部网络中加入了多级融合特征池、批次通道均值结构和均值压缩扩展结构；获取图像数据集训练改进YOLOv5网络，采用损失函数进行迭代训练，调整网络参数；将训练好的改进YOLOv5网络用于目标检测，得到目标检测结果；本发明专利技术解决了特征通道数过少、区分不同通道的重要性的问题；减少了计算量。减少了计算量。减少了计算量。

【技术实现步骤摘要】
一种基于自适应多级融合特征池的目标检测方法


[0001]本专利技术涉及人工智能、深度学习和目标检测领域，具体涉及一种基于自适应多级融合特征池的目标检测方法。

技术介绍

[0002]近年来，目标检测领域发展非常迅速，随着应用场景越来越丰富，需要解决的问题也越来越复杂。但是，归根结底，目标检测算法需要解决的是两方面的问题，一个是检出精度问题，一个是推理速度问题。基于这两方面的问题目标检测也划分为两级目标检测和单级目标检测两个主流方向。两级目标检测算法顾名思义，需要两个步骤来检出目标，因此该方向算法更注重解决检出精度问题而在推理速度方面则表现欠佳。而自从单级目标检测算法被提出后，因为简化了检出步骤，所以检出精度和推理速度的优化与平衡一直是这个方向关注的重点。
[0003]单级目标检测技术具有推理速度快、设备开销小、模型计算量低等优势，其有利于针对海量图像或实时视频流中的待检测目标进行快速识别，并根据识别结果进行逻辑判断。单级目标检测算法更适合应用在对实时性要求非常高的领域，例如安防或工业领域。在安防领域中，目标检测主要用来解决针对摄像头视频的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应多级融合特征池的目标检测方法，其特征在于，包括以下步骤：S1.基于现有YOLOv5网络构建改进YOLOv5网络，改进YOLOv5网络包括骨干网络、颈部网络和头部网络；颈部网络中加入了多级融合特征池、批次通道均值结构和均值压缩扩展结构；S2.获取图像数据集训练改进YOLOv5网络，采用损失函数进行迭代训练，调整网络参数；S3.将训练好的改进YOLOv5网络用于目标检测，得到目标检测结果。2.根据权利要求1所述的一种基于自适应多级融合特征池的目标检测方法，其特征在于，改进YOLOv5网络包括有第二CSP1模块、第三CSP1模块和第二Conv模块；获取第二CSP1模块的输出特征，并将其通过步长为2且卷积核为3
×
3的卷积层得到下采样结果，将该下采样结果作为多级融合特征池的第一输入特征；获取第三CSP1模块的输出特征，并将其作为多级融合特征池的第二输入特征；获取第二Conv模块的输出特征，并将其通过临近插值算法进行上采样，将上采样结果作为多级融合特征池的第三输入特征；多级融合特征池结构将第一输入特征、第二输入特征和第三输入特征融合得到特征拼接图，将该特征拼接图输入批次通道均值结构，再将批次通道均值结构的输出送入均值压缩扩展结构。3.根据权利要求2所述的一种基于自适应多级融合特征池的目标检测方法，其特征在于，改进YOLOv5网络还包括有第一CSP2模块、第二CSP2模块和第三CSP2模块；将第一输入特征与均值压缩扩展结构的输出相乘，并将相乘结果进行上采样后...

【专利技术属性】
技术研发人员：李伟生，黄麟，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：