【技术实现步骤摘要】
本专利技术涉及图像处理，尤其是涉及一种基于金字塔池化图神经网络的目标检测方法。
技术介绍
1、在过去的十年里，卷积神经网络(cnn)凭借其卓越的局部特征抽取能力和层级表示学习能力，在计算机视觉领域确立了无可替代的地位。以vgg、resnet、densenet等为代表的深度神经网络架构不仅深刻改变了图像分类任务的格局，还广泛渗透到了语义分割、目标检测、图像识别等众多视觉任务中，不断刷新着各项基准测试的成绩，并有力推动了整个计算机视觉领域的技术进步与发展。
2、近年来，随着transformer架构在自然语言处理领域的巨大成功，科研人员开始探索将其应用于计算机视觉任务的可能性。vision transformer(vit)的出现标志着这一转折点的到来，它成功地将transformer的核心思想引入到视觉领域，并在多项视觉任务上展现出超越先进cnn模型的优越性能。自此以后，视觉transformer的研究热潮席卷而来，一系列视觉transformer模型如雨后春笋般涌现，包括但不限于vit、deit、detr等，它们分别从网络架构...
【技术保护点】
1.一种基于金字塔池化图神经网络的目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于金字塔池化图神经网络的目标检测方法，其特征在于，所述步骤S1具体为：对于给定的输入图像H×W×3，将其划分成个块，每个块的大小为4×4×3，其中，H表示图像的高度，W表示图像的宽度。
3.根据权利要求1所述的一种基于金字塔池化图神经网络的目标检测方法，其特征在于，所述步骤S2具体为：在图像预处理操作之后，将得到的块重塑到二维空间，重塑后的块大小用X表示，使用多个不同比率的平均池化层来形成金字塔池化特征图：
4.根据权利要求3所...
【技术特征摘要】
1.一种基于金字塔池化图神经网络的目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于金字塔池化图神经网络的目标检测方法，其特征在于，所述步骤s1具体为：对于给定的输入图像h×w×3，将其划分成个块，每个块的大小为4×4×3，其中，h表示图像的高度，w表示图像的宽度。
3.根据权利要求1所述的一种基于金字塔池化图神经网络的目标检测方法，其特征在于，所述步骤s2具体为：在图像预处理操作之后，将得到的块重塑到二维空间，重塑后的块大小用x表示，使用多个不同比率的平均池化层来形成金字塔池化特征图：
4.根据权利要求3所述的一种基于金字塔池化图神经网络的目标检测方法，其特征在于，所述步骤s3具体为：将金字塔池化特征图输入一个3x3的深度卷积中进行相对位置编码：
5.根据权利要求4所述的一种基于金字塔池化图神经网络的目标检测方法，其特征在于，所述步骤s4包括以下步骤：
6.根据权利要求5所述的一种基于金字塔池化图神经网络的目标检测方法，其特征在于，所述将每个节点的特征维度映射到相同维度具体为：<...
【专利技术属性】
技术研发人员：李志鹏，黄德双，王思果，张钦虎，
申请(专利权)人：宁波东方理工大学暂名，
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。