一种多源信息融合的图像目标检测方法技术

本发明专利技术公开一种多源信息融合的图像目标检测方法，涉及图像目标检测技术领域,包括：S1：图像数据采集及处理；S11：复杂背景下多源信息融合的图像数据采集；S12：数据人工筛选和裁剪；S13：数据标注；S14：数据增强；S2：构建图像数据处理网络；S21：时空融合注意力网络；S22：多层编解码特征融合网络；S23：联合损失函数；S24：多源信息融合的图像目标检测方法；S3：建立评价指标。本发明专利技术综合时空融合注意力网络和多层编解码特征融合网络，形成多源信息融合的图像目标检测方法，在自建数据集上验证所提方法的有效性。

【技术实现步骤摘要】

本专利技术涉及图像目标检测，具体地讲，涉及一种多源信息融合的图像目标检测方法。

技术介绍

1、目标检测作为计算机视觉领域的研究热点，在很多工业领域和实际生活场景中发挥着重要的作用。按照网络框架的不同，目标检测算法可分为两阶段的目标检测算法和一阶段的目标检测算法。其中，两阶段的目标检测算法，如faster r-cnn、cascade rcnn等，其主要思想是先利用区域候选网络（regionproposal network, rpn）计算得到图像中的目标候选框（包含大量的前景区域和少量的背景区域），然后再对这些候选框的类别和坐标进行拟合；一阶段的目标检测算法，如yolo、ssd、refinedet等，其不需要区分前景区域和背景区域，而是利用预先设置好的锚框对图像中的目标进行直接预测。

2、无论是一阶段的目标检测算法还是两阶段的目标检测算法，在传统的做法中，只利用图像这一个模态的数据进行计算，这种做法需要收集大量的图像并对图像中物体的类别和坐标进行人工标注，数据的收集成本较高。尽管目前这种只基于图像的目标检测算法取得了良好的性能，但是随着多模态数据的本文档来自技高网...

【技术保护点】

1.一种多源信息融合的图像目标检测方法，其特征在于，包括：

2.根据权利要求1所述的多源信息融合的图像目标检测方法，其特征在于：所述S21的具体流程为：

3.根据权利要求2所述的多源信息融合的图像目标检测方法，其特征在于：

4.根据权利要求3所述的多源信息融合的图像目标检测方法，其特征在于：所述S23的具体流程为：

5.根据权利要求4所述的多源信息融合的图像目标检测方法，其特征在于：为了验证模型的性能，使用平均精度均值召回率、检测速度作为目标检测模型的评价指标；其中，平均精度均值使用mAP@0.5，表示在交并比阈值为0.5时，对所有类别的平...

【技术特征摘要】

1.一种多源信息融合的图像目标检测方法，其特征在于，包括：

2.根据权利要求1所述的多源信息融合的图像目标检测方法，其特征在于：所述s21的具体流程为：

3.根据权利要求2所述的多源信息融合的图像目标检测方法，其特征在于：

4.根据权利要求3所述的多源信息融合的图像目标检测方法，其特征在于：所述...

【专利技术属性】
技术研发人员：王学伟，刘君，
申请(专利权)人：潍坊科技学院，
类型：发明
国别省市：