【技术实现步骤摘要】
本专利技术属于目标检测,具体涉及到一种基于注入语义注意力的目标检测方法。
技术介绍
1、近年来,随着人工智能技术的火热发展,计算机视觉在自动驾驶、安防监控和机器人等各领域取得了广泛应用。目标检测是计算机视觉领域的重要研究方向,其性能好坏将直接影响目标跟踪、动作识别以及行为理解等后续任务的表现。传统的目标检测方法在处理复杂场景如行人检测时,通常面临着准确性和效率的挑战。随着gpu计算能力和深度学习算法的快速发展,目标检测不断发展引入了基于深度学习的检测方法,其中包括利用注意力机制来增强特征表示。但还存在原始图像提供的语义信息较少,单个特征层的信息不够充分的问题,低层特征图能呈现目标位置但语义信息相对稀缺,高层特征图语义信息丰富但不准确,导致网络难以完全学习到目标的特征信息,存在识别准确性不足的问题。
技术实现思路
1、本专利技术所要解决的技术问题在于提供一种检测精度高、准确度高的基于注入语义注意力的目标检测方法。
2、解决上述技术问题所采用的技术方案是:一种基于注入语义注意力的目
...【技术保护点】
1.一种基于注入语义注意力的目标检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述基于注入语义注意力的目标检测方法,其特征在于,所述步骤2中位置感知掩码注意力模块和卷积层的共同处理的方法为:待检测图像经不同尺度下采样处理,得到下采样第一至第三尺度特征图,对第三尺度特征图下采样得到第四尺度特征图,对第四尺度特征图上采样处理,得到第五尺度上采样特征图,对第五尺度上采样特征图上采样处理,得到第六尺度上采样特征图,对第六尺度上采样特征图上采样处理,得到第七尺度上采样特征图,将下采样第一、二、三尺度特征图分别与上采样第五、六、七尺度特征图通过残差连接处理融
...【技术特征摘要】
1.一种基于注入语义注意力的目标检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述基于注入语义注意力的目标检测方法,其特征在于,所述步骤2中位置感知掩码注意力模块和卷积层的共同处理的方法为:待检测图像经不同尺度下采样处理,得到下采样第一至第三尺度特征图,对第三尺度特征图下采样得到第四尺度特征图,对第四尺度特征图上采样处理,得到第五尺度上采样特征图,对第五尺度上采样特征图上采样处理,得到第六尺度上采样特征图,对第六尺度上采样特征图上采样处理,得到第七尺度上采样特征图,将下采样第一、二、三尺度特征图分别与上采样第五、六、七尺度特征图通过残差连接处理融合特征,将低分辨率、语义强的特征与高分辨率、语义弱的特征相结合得到语义特征图。
3.根据权利要求1所述基于注入语义注意力的目标检测方法,其特征在于,所述步骤3中,语义特征图与多尺度基础特征图的尺度大小不一致时,将语义特征图的尺度大小调整至多尺度基础特征图的尺度大小。
4.一种基于注入语义注意力的目...
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。