【技术实现步骤摘要】
本专利技术涉及目标检测技术，具体涉及一种基于自适应分层梯度特征融合策略的对地目标检测方法。
技术介绍
1、随着城市化进程的加速，城市交通拥堵问题已经成为影响城市居民生活质量的重要因素。低空飞行汽车作为一种创新的交通工具，能够在城市低空空间提供快速、高效的点对点运输服务，从而有望极大地缓解地面交通的压力。然而，低空飞行汽车在复杂的城市环境中运行时，面临着如何有效检测和跟踪地面目标的挑战，这是确保其安全运行的关键技术问题。
2、目前，地面监控系统中广泛使用的目标检测技术主要基于传统的计算机视觉算法，这些算法在地面监控环境中表现良好，但在低空飞行汽车的特定应用场景中，这些传统算法的性能受到了限制。近年来，基于深度学习的目标检测方法取得了显著的进展，这些方法大致可以分为两类：一类是两阶段检测算法，如fast r-cnn、faster r-cnn等，这些算法通过先产生候选区域再进行分类和边界框回归，提高了检测的精度，但牺牲了一定的实时性；另一类是单阶段检测算法，如yolo系列，这些算法直接在图像上预测类别和边界框，速度较快，但在精度上...
【技术保护点】
1.一种基于自适应分层梯度特征融合策略的对地目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自适应分层梯度特征融合策略的对地目标检测方法，其特征在于，所述步骤S1的详细方法为：
3.根据权利要求1所述的基于自适应分层梯度特征融合策略的对地目标检测方法，其特征在于，所述步骤S2对地目标检测网络的主干网络中，将一层卷积层和四层相同结构的C2f-EIRM模块依次视为提取层E1、提取层E2、提取层E3、提取层E4和提取层E5，通过这五个提取层提取高维度特征；
4.根据权利要求1或3所述的基于自适应分层梯度特征融合策略的...
【技术特征摘要】
1.一种基于自适应分层梯度特征融合策略的对地目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自适应分层梯度特征融合策略的对地目标检测方法，其特征在于，所述步骤s1的详细方法为：
3.根据权利要求1所述的基于自适应分层梯度特征融合策略的对地目标检测方法，其特征在于，所述步骤s2对地目标检测网络的主干网络中，将一层卷积层和四层相同结构的c2f-eirm模块依次视为提取层e1、提取层e2、提取层e3、提取层e4和提取层e5，通过这五个提取层提取高维度特征；...
【专利技术属性】
技术研发人员：缪小冬，顾曹雨，张献冬，李东，
申请(专利权)人：南京工业大学，
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。