【技术实现步骤摘要】
本专利技术属于计算机视觉领域，具体是一种基于感受野融合金字塔的恶劣场景下目标检测方法。
技术介绍
1、目标检测是计算机视觉领域的重要任务，旨在识别图像或视频中的特定目标并确定其位置。在许多领域发挥着关键作用，如自动驾驶、视频监控和物体识别等。传统的目标检测算法通常采用滑动窗口的方式来识别对象，但是这种方法存在计算复杂度高、检测速度慢以及对目标尺寸和比例变化不敏感等问题。为了解决传统方法下的问题，基于深度学习的目标检测方法取得了显著的进展，目前基于深度学习的目标检测方法分为基于锚框和基于无锚框两种，而基于锚框的方法又分为单阶段和双阶段目标检测方法。
2、基于锚框方法的优点是可以通过预定义的锚框来提供丰富的位置和尺度信息，适用于不同大小和形状的目标。该方法中具有代表性的双阶段检测算法有faster rcnn、maskrcnn、cascade rcnn。faster r-cnn通过引入区域提议网络和roi池化层，将目标检测任务分解为候选区域生成，目标分类和边界框回归两个子任务，并通过nms算法去除冗余候选框，从而实现了高效准确的目...
【技术保护点】
1.一种基于感受野融合金字塔的恶劣场景下目标检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于感受野融合金字塔的恶劣场景下目标检测方法，其特征在于，所述轻量级主干网络执行特征增强与提取的步骤包括：利用特征增强模块对低维度特征图进行特征增强；利用注意力机制获取特征图全局信息以增强特征；利用先进的激活函数，加快特征提取速度。
3.根据权利要求1所述的基于感受野融合金字塔的恶劣场景下目标检测方法，其特征在于，所述步骤二具体包括步骤：利用空洞卷积对三个特征图进行感受野增强；利用多尺度注意力融合模块进行特征增强；利用所述金字塔结构对不同尺
【技术特征摘要】
1.一种基于感受野融合金字塔的恶劣场景下目标检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于感受野融合金字塔的恶劣场景下目标检测方法，其特征在于，所述轻量级主干网络执行特征增强与提取的步骤包括：利用特征增强模块对低维度特征图进行特征增强；利用注意力机制获取特征图全局信息以增强特征；利用先进的激活函数，加快特征提取速度。
3.根据权利要求1所述的基于感受野融合金字塔的恶劣场景下目标检测方法，其特征在于，所述步...
【专利技术属性】
技术研发人员：刘振丙，方天乐，路皓翔，贾思远，杜华巍，
申请(专利权)人：桂林电子科技大学，
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。