【技术实现步骤摘要】
本专利技术属于目标检测，具体为一种高精度车辆检测方法。
技术介绍
1、现代城市人口的快速增长增加了对环境可持续性和安全的智能技术的需求。道路安全是智能城市智能移动发展中最关键的问题之一。事故预防是道路安全的热点课题之一，其目标是找到一种有效的机制来预测事故。计算机视觉和深度学习是模拟人类视觉系统的最新技术。一些基于计算机视觉和深度学习的技术已经被开发出来用于道路事故预防问题。目标检测是在给定的图像序列中识别目标的过程。这项工作是针对车辆在道路安全环境中预防事故的检测，其动机是目标检测模型在准确检测各种物体方面的有效性，实时识别到达的车辆可以减少事故的数量，鉴于城市交通流量的稳步增长，这一点尤为重要。
2、随着深度学习的迅猛发展，我们逐渐认识到它在提取图像特征方面的强大能力，以及其具备强大泛化能力和鲁棒性的优点。在计算机视觉领域，结合深度学习进行车辆检测逐渐成为主流方法。这一方法无需手动提取特征，一般分为两大类。
3、第一类是两阶段目标检测方法，代表性的网络包括r-cnn、fastr-cnn、fasterr-cnn...
【技术保护点】
1.一种高精度车辆检测方法，其特征步骤包括：
2.根据权利要求1所述的一种高精度车辆检测方法，其特征在于，所述改进YOLOv8n模型，具体改进方法为：
3.根据权利要求2所述的一种高精度车辆检测方法，其特征在于，所述可变形卷积模块DDCNv2通过注意力机制和卷积操作来预测偏移和每个采样点的权重，在可变形的同时，拥有动态调整的能力。
4.根据权利要求2所述的一种高精度车辆检测方法，其特征在于，所述动态卷积模块KWConv为一种KernelWarehouse中所提出的动态卷积模块，来减少卷积神经网络的参数量和计算量。
5.根...
【技术特征摘要】
1.一种高精度车辆检测方法，其特征步骤包括：
2.根据权利要求1所述的一种高精度车辆检测方法，其特征在于，所述改进yolov8n模型，具体改进方法为：
3.根据权利要求2所述的一种高精度车辆检测方法，其特征在于，所述可变形卷积模块ddcnv2通过注意力机制和卷积操作来预测偏移和每个采样点的权重，在可变形的同时，拥有动态调整的能力。
4.根据权利要求2所述的一种高精度车辆检测方法，其特征在于，所述动态卷积模块kwconv为一种kernelwarehouse中所提出的动态卷积模块，来减少卷积神经网络的参数量和计算量。
5.根据权利要求2所述的一种高精度车辆检测方法，其特征在于，所述多尺度检测器模块mdet，在输入的时候，仅进行一支路线，对特征使用多尺度目标检测msc加上逐点卷积pwconv进行提取，随后进行分离，使用1×1卷积分别进行通道数的调整，随后分别进行边界框损失和类别损失的计算。
6.根据...
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。