【技术实现步骤摘要】
本专利技术涉及一种图像识别技术，且特别涉及一种物件检测方法及电子装置。
技术介绍
1、物件检测技术为近年来计算机视觉中的重要领域之一，同时也是一项非常具挑战性的研究。物件检测的主要目的是检测在图像中的目标物件，并在每张图片定位出多个目标位置与其物件种类。物件检测主要分成两种不同方法实现，以架构流程来说可直接分成一阶段物件检测(one-stage object detection)和二阶段物件检测(two-stage objectdetection)。二阶段物件检测是先选出物件的候选区，再根据候选区作位置检测与分类。一阶段物件检测是直接对整张图像作物件位置检测与分类。
2、随着深度学习的兴起和卷积神经网络(convolution neural network，cnn)的改进，也使物件检测的相关技术大量涌现、推陈出新，但检测的性能和效果依然需要面临诸多挑战。
技术实现思路
1、本专利技术提供一种物件检测方法及其电子装置，拥有较良好的处理效能，使其在计算推理上能有更好的精度提升，确保模型具有良好的泛化能力。
2、本专利技术的物件检测方法，利用处理器来执行下述步骤，包括：接收原始图像；自原始图像提取尺度不同的多个初始特征层；基于所述初始特征层，通过插值法与加和操作获得尺度不同的多个融合特征层；以及将所述融合特征层分别输入对应的检测头，以通过检测头的边框回归分支获得边框位置机率分布以及通过检测头的分类分支获得分类机率分布。
3、本专利技术的电子装置，包括：
4、基于上述，本公开是一种基于卷积神经网络架构进行改良的物件检测方法及其电子装置，其整合了轻量化模型与网络加速策略整合，着重于萃取物件信息时能够针对推论速度进行优化。
本文档来自技高网...【技术保护点】
1.一种物件检测方法，利用处理器执行物件检测模块来实现下述步骤，其特征在于，包括：
2.根据权利要求1所述的物件检测方法，其特征在于，对该原始图像提取这些初始特征层的步骤包括：
3.根据权利要求1所述的物件检测方法，其特征在于，获得尺度不同的这些融合特征层的步骤包括：
4.根据权利要求1所述的物件检测方法，其特征在于，在获得这些融合特征层之后，还包括：
5.根据权利要求1所述的物件检测方法，其特征在于，该物件检测模块包括骨干网络、链接层以及该检测头。
6.根据权利要求5所述的物件检测方法，其特征在于，该骨干网络采用轻量化神经网络，该轻量化神经网络包括EfficientNet-Lite算法。
7.根据权利要求5所述的物件检测方法，其特征在于，该链接层采用路径聚合网络。
8.根据权利要求1所述的物件检测方法，其特征在于，该检测头采用GeneralizedFocal Loss V2算法。
9.根据权利要求1所述的物件检测方法，其特征在于，在该边框回归分支中引入知识蒸馏法。
10.
...【技术特征摘要】
1.一种物件检测方法，利用处理器执行物件检测模块来实现下述步骤，其特征在于，包括：
2.根据权利要求1所述的物件检测方法，其特征在于，对该原始图像提取这些初始特征层的步骤包括：
3.根据权利要求1所述的物件检测方法，其特征在于，获得尺度不同的这些融合特征层的步骤包括：
4.根据权利要求1所述的物件检测方法，其特征在于，在获得这些融合特征层之后，还包括：
5.根据权利要求1所述的物件检测方法，其特征在于，该物件检测模块包括骨干网络、链接层以及该检测头。
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。