本申请公开了一种基于目标检测算法的目标检测方法及系统，属于目标检测技术领域，包括，采集目标图像并进行数据标注，构建数据集；基于所述数据集提取目标图像的多个层次特征；将所述多个层次特征进行特征对齐并拼接，再提取全局特征；将所述全局特征与多个层次特征进行融合，并将融合后的融合特征输入检测头，完成目标检测模型的构建；利用所述数据集对构建的所述目标检测模型进行训练，并使用训练好的模型对所述目标图像进行检测。本申请通过图像特征的多层次提取，有效地利用多个层次信息对图像中的目标进行检测，提高了图像特征的利用效率，实现了目标的快速、准确检测与多层特征间更加高效的信息交流。
【技术实现步骤摘要】
本申请涉及目标检测领域，且特别是有关于一种基于目标检测算法的目标检测方法及系统。
技术介绍
1、目标检测作为一项基本的视觉任务，旨在识别物体的类别并定位物体的位置。目前的目标检测方法主要分为两类：双阶段方法和单阶段方法。单阶段方法一次计算完成物体位置估计和类别分类，速度快；双阶段方法首先生成候选区域，然后在这些候选区域上运行分类器以确定是否存在目标物体，通常比单阶段方法更准确，但速度较慢。
2、经过多年的发展，yolo系列的模型已经在目标检测领域占据了举足轻重的地位，yolo算法采用单个神经网络进行端到端的目标检测，通过将目标检测任务转化为一个回归问题，从而实现了较高的检测速度。yolo系列经典的backbone-neck-head结构，将原始图像经backbone提取特征并经neck对图像进行融合，最后在head中对物体的类别和位置进行预测。然而，由于网络中路径数量过多和间接交互方式较多，融合时仍然存在速度慢、跨层信息交换和信息丢失等问题，尤其是在处理小目标和重叠目标时，性能相对较差，图像特征点的利用效率较低。
r/>技本文档来自技高网...
【技术保护点】
1.一种基于目标检测算法的目标检测方法，其特征在于，包括，
2.如权利要求1所述的基于目标检测算法的目标检测方法，其特征在于，基于所述数据集提取目标图像的多个层次特征，包括，
3.如权利要求2所述的基于目标检测算法的目标检测方法，其特征在于，所述多个层次特征包括：细粒度特征、低层次特征、中层次特征及高层次特征。
4.如权利要求3所述的基于目标检测算法的目标检测方法，其特征在于，将所述多个层次特征进行特征对齐并拼接，再提取全局特征，包括：采用3d卷积、批标准化、LeakyReLU激活函数及降维的操作提取所述全局特征。
5.如权利要求4所述的基...
【技术特征摘要】
1.一种基于目标检测算法的目标检测方法，其特征在于，包括，
2.如权利要求1所述的基于目标检测算法的目标检测方法，其特征在于，基于所述数据集提取目标图像的多个层次特征，包括，
3.如权利要求2所述的基于目标检测算法的目标检测方法，其特征在于，所述多个层次特征包括：细粒度特征、低层次特征、中层次特征及高层次特征。
4.如权利要求3所述的基于目标检测算法的目标检测方法，其特征在于，将所述多个层次特征进行特征对齐并拼接，再提取全局特征，包括：采用3d卷积、批标准化、leakyrelu激活函数及降维的操作提取所述全局特征。
5.如权利要求4所述的基于目标检测算法的目标检测方法，其特征在于，所述将所述全局特征与多个层次特征进行融合，并将融合后的融合特征输入检测头，完成目标检测模型的构建之前，包括，将所述低层次特征、所述中层次特征及所述高层次特征归于本地特征；采用tanh激活函数对卷积后的所述全局特征进行处理得到整体特征；采用sigmoid激活函数分别对卷积后的所述全局特征进行处理得到...
【专利技术属性】
技术研发人员：傅桂霞，黄志威，邹国锋，赵新宇，陈玉山，
申请(专利权)人：山东理工大学，
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。