【技术实现步骤摘要】
本申请涉及计算机视觉图像处理领域，特别是涉及一种危险物小目标检测模型的构建方法及装置。
技术介绍
1、随着交通网络的不断发展和交通流量的增加，高速公路上的交通安全问题引起人们的日益关注。在高速公路上，识别和检测危险物小目标，如障碍物、车辆故障或其他潜在危险物体，对于提高交通安全至关重要。然而，传统的检测方法依赖于人工目视，效率低下且易受主观因素的影响，可能导致漏检和误检等问题。
2、近年来，随着深度学习技术的迅速发展，基于计算机视觉的自动检测方法逐渐崭露头角。一些先进的目标检测算法，如yolo系列、ssd等，在图像领域取得显著成果，为自动化危险物小目标检测提供了新的可能性。这些方法通过深度神经网络对图像中的目标位置和类别进行预测，克服了传统方法的局限性。然而，高速公路危险物小目标检测任务面临一些独特的挑战。首先，传统检测方法在检测小目标时性能较差，容易受到复杂背景和光照变化的影响，导致误检率高。其次，危险物小目标类型多样，其形状、大小和纹理差异显著，因此需要一个具备良好特征学习能力的模型来进行区分。此外，实际高速公路环境中的...
【技术保护点】
1.一种危险物小目标检测模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的一种危险物小目标检测模型的构建方法，其特征在于，在“所述主干特征提取模块由至少二依次串联的卷积单元组成并以连续上采样的方式进行特征提取”步骤中，所述主干特征提取模块中依次串联的卷积单元的卷积通道数依次增大。
3.根据权利要求1所述的一种危险物小目标检测模型的构建方法，其特征在于，所述主干特征提取模块与颈部跨层特征聚合模块之间包括尺度统一模块，所述尺度统一模块包括第一尺度统一卷积层，三个相同的最大池化层以及第二尺度统一卷积层，所述第一尺度统一卷积层对所述主干特征提...
【技术特征摘要】
1.一种危险物小目标检测模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的一种危险物小目标检测模型的构建方法，其特征在于，在“所述主干特征提取模块由至少二依次串联的卷积单元组成并以连续上采样的方式进行特征提取”步骤中，所述主干特征提取模块中依次串联的卷积单元的卷积通道数依次增大。
3.根据权利要求1所述的一种危险物小目标检测模型的构建方法，其特征在于，所述主干特征提取模块与颈部跨层特征聚合模块之间包括尺度统一模块，所述尺度统一模块包括第一尺度统一卷积层，三个相同的最大池化层以及第二尺度统一卷积层，所述第一尺度统一卷积层对所述主干特征提取模块的输出结果进行卷积后顺序经过三个相同的最大池化层，再对第一尺度统一卷积层和三个相同的最大池化层的输出结果进行拼接后输入到第二尺度统一卷积层中得到尺度统一模块的输出结果，尺度统一模块的输出结果为颈部跨层特征聚合模块的输入。
4.根据权利要求1所述的一种危险物小目标检测模型的构建方法，其特征在于，在“所述下采样融合单元与所述主干特征提取模块进行跨层连接”步骤中，所述下采样融合单元中至少包括两个下采样块以串联的方式组成特征金字塔，且两个相邻的下采样块之间跨层连接主干特征提取模块中提取的特征图。
5.根据权...
【专利技术属性】
技术研发人员：产思贤，苗其其，郭斌，
申请(专利权)人：杭州像素元科技有限公司，
类型：发明
国别省市：
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。