【技术实现步骤摘要】
本专利技术属于计算机视觉应用领域，涉及目标检测和特征融合领域，具体来说是一种基于多尺度特征融合的车辆目标识别方法。
技术介绍
1、近年来，由于计算机处理器的算力不断提高，深度学习的发展得到了强有力的保障。经过学者们不断的研究，深度学习被应用于各个领域。在计算机视觉领域中，深度学习使得目标检测在精度和速度上都得到了巨大的提高。基于深度学习的目标检测算法通过庞大丰富的数据集训练，提高了算法的泛化能力，能够精确识别和定位多类目标。更适用于实际的交通场景中，为交通视频监控系统提供有效的交通信息，以此支持管理部门及时做出科学决策，提高交通效率，减少交通事故，降低人工管理成本。从目标识别发展的历程来看，大致上可以分为两大类：一类是通过二阶段检测器实现目标识别，该类检测器的特点是速度慢、精度高，另一类是通过一阶段检测器实现目标识别，其检测速度快，但精度差。虽然基于深度学习的目标检测已取得巨大成功，但目前的方法都是通过构建卷积神经网络模型来提取特征，随着网络层数的增加，无论是一阶段还是二阶段的检测器，浅层网络所提取到的语义和特征在深层网络中都会不可避免...
【技术保护点】
1.一种基于多尺度特征融合的车辆识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中获取全球小麦头检测数据集的具体步骤如下：
3.根据权利要求1所述的方法，其特征在于，所述步骤(2)中对基础训练集做数据增强的具体步骤如下：
4.根据权利要求1所述的方法，其特征在于，所述步骤(3)中浅层网络的特征图信息与深层网络的特征图信息融合包括如下步骤：
5.根据权利要求1所述的方法，其特征在于，所述步骤(4)中搭建完整的基于多尺度特征融合的车辆识别网络包括如下步骤：
6.根据权...
【技术特征摘要】
1.一种基于多尺度特征融合的车辆识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中获取全球小麦头检测数据集的具体步骤如下：
3.根据权利要求1所述的方法，其特征在于，所述步骤(2)中对基础训练集做数据增强的具体步骤如下：
4.根据权利要求1所述的方法，其特征在于，所述步骤(3)中浅层网络的特征图信息与深层网...
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。