【技术实现步骤摘要】
本专利技术涉及小目标检测，尤其涉及一种交通场景中小目标检测方法及装置。
技术介绍
1、小目标检测一直是目标检测领域的难题，因为小目标包含的信息较少，且受环境噪声影响较大。虽然目前已有很多关于小目标检测的研究，但这些研究主要针对密集小目标检测以及如何提高小目标特征提取能力等问题。然而，在交通场景中，交通标志和交通信号灯等交通小目标的检测仍然是一大难题。交通小目标检测面临的挑战主要有两个方面：一是需要准确分辨小目标所包含的类别信息；二是如何在复杂的环境噪声中准确识别目标。
2、现有的检测算法尽管在常规目标检测方面取得了进展，但不足以满足交通场景的特定需求。因此，这些算法的适用性有限，性能效果也难以达到预期。针对于交通场景中的小目标检测，绝大多数方法都是选择基于卷积神经网络的目标检测模型进行识别，但是模型中的特征融合部分往往只是进行顺序连接，存在特征冗余或噪声信息来影响检测性能，这并不适用于小目标检测任务。
3、因此，如何设计出一种具有针对性、高效性的特征融合网络用于交通场景中的小目标检测，是能够解决上述问题的关键，对...
【技术保护点】
1.一种交通场景中小目标检测方法，其特征在于，包括：
2.根据权利要求1所述的交通场景中小目标检测方法，其特征在于，在通过所述目标检测模型的颈部网络中由深层至浅层的第一融合分支和由浅层至深层的第二融合分支对所述特征图进行融合之前，还包括：
3.根据权利要求1所述的交通场景中小目标检测方法，其特征在于，通过所述目标检测模型的颈部网络中由深层至浅层的第一融合分支对所述特征图进行融合，包括：
4.根据权利要求1所述的交通场景中小目标检测方法，其特征在于，将所述目标检测模型所使用的特征融合方法的最终融合结果输入所述目标检测模型的头部网络，由...
【技术特征摘要】
1.一种交通场景中小目标检测方法，其特征在于，包括：
2.根据权利要求1所述的交通场景中小目标检测方法，其特征在于，在通过所述目标检测模型的颈部网络中由深层至浅层的第一融合分支和由浅层至深层的第二融合分支对所述特征图进行融合之前，还包括：
3.根据权利要求1所述的交通场景中小目标检测方法，其特征在于，通过所述目标检测模型的颈部网络中由深层至浅层的第一融合分支对所述特征图进行融合，包括：
4.根据权利要求1所述的交通场景中小目标检测方法，其特征在于，将所述目标检测模型所使用的特征融合方法的最终融合结果输入所述目标检测模型的头部网络，由所述头部网络从所述待检测交通场景图像中检测出目标，包括：
5.根据权利要求4所述的交通场景中小目标检测方法，其特征在于，在通过目标检测模型的主干网络从待检测交通场景图...
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。