一种基于YoLov3算法的多尺度融合预测方法技术

本发明专利技术公开了一种基于YoLov3算法的多尺度融合预测方法，该方法具体包括以下步骤：S1：提取图像分类特征信息；S2：提取目标图像中定位信息；S3：采用多尺度特征划分分辨率；S4：在不同分辨率的特征图像上对不同尺寸目标进行检测。YOLOv3的基础结构由不同类型卷积层组合得到，每个卷积层后面增加了批归一化层与LeakyReLU激活层，构成了基础卷积块，以卷积块为一个单元，每个单元进行单位映射与上一个单元的输出相加，形成一个残差结构，为了实现多尺度检测，YOLOv3采用了改变卷积核步长的方式来变换特征图尺度，然后将残差结构和卷积块进行组合得到5个残差块来实现多尺度特征图采样，YOLOv3集百家之所长，弥补了在小目标检测方面的不足。

【技术实现步骤摘要】

本专利技术涉及目标检测，尤其涉及一种基于yolov3算法的多尺度融合预测方法。

技术介绍

1、随着科技的发展，人们在日常生活中会接收到大量的图像和视频数据，计算机视觉则是处理这些数据的有效方法。如今目标检测如今作为计算机视觉的一项基本任务，广泛地应用在人脸识别、目标跟踪、自动驾驶和医学图像分析等领域。

2、而传统的rrt算法全称快速扩展随机树，作为常用的路径规划算法在机器人领域广泛应用。相较于人工势场法、模糊规则法、遗传算法、神经网络、模拟退火算法、蚁群优化算法等其传统的路径规划算法，其最大的特点就在于不需要在确定的空间中对障碍物建模，快速地搜索空白区域，其通过函数迭代的方式探索整个空间而并不需要对工作空间进行事先采样，可寻找出一条从起始点到目标点的规划路径。但是由于其随机性，适用于对时间要求较高，而对路径最优性要求不高的场合，而且其在小目标的检测方面存在明显不足。

技术实现思路

1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技本文档来自技高网...

【技术保护点】

1.一种基于YoLov3算法的多尺度融合预测方法，其特征在于，该方法具体包括以下步骤：

2.根据权利要求1所述的一种基于YoLov3算法的多尺度融合预测方法，其特征在于：该方法中的YoLov3网络结构包括特征提取网络Darknet－53与多尺度预测网络，所述特征提取网络Darknet－53作用于S1和S2中，所述多尺度预测网络作用于S3和S4中。

3.根据权利要求1所述的一种基于YoLov3算法的多尺度融合预测方法，其特征在于：所述YOLOv3的基础结构由不同类型卷积层组合得到，

4.根据权利要求1所述的一种基于YoLov3算法的多尺度融合预测方法，其...

【技术特征摘要】

1.一种基于yolov3算法的多尺度融合预测方法，其特征在于，该方法具体包括以下步骤：

2.根据权利要求1所述的一种基于yolov3算法的多尺度融合预测方法，其特征在于：该方法中的yolov3网络结构包括特征提取网络darknet－53与多尺度预测网络，所述特征提取网络darknet－53作用于s1和s2中，所述多尺度预测网络作用于s3和s4中。

3.根据权利要求1所述的一种基于yolov3算法的多尺度融合预测方法，其特征在于：所述yolov3的基础结构由不同类型卷积层组合得到，

4.根据权利要求1所述的一种基于yolov3算法的多尺度融合预测方法，其特征在于：在s4中，yolov3将深层网络的多组卷积块得到的采样结果分别作了拼接，然后对拼接结果进行多尺度预测。

5.根据权利要求1所述的一种基于yolov3算法的多尺度融合预测方法，其特征在于：所述多尺度预测机制的输出由三个不同尺度的特征图构成，

6.根据权利要求1所述...

【专利技术属性】
技术研发人员：闫纪源，汤炼海，孙炎，史宇航，骆清心，
申请(专利权)人：无锡锐盈科技有限公司，
类型：发明
国别省市：