一种基于人工智能的目标检测方法以及装置制造方法及图纸

本发明专利技术公开了一种基于人工智能的目标检测方法以及装置，涉及人工智能检测技术领域，包括，采集图像数据并确定图像数据的光学特性，根据对比度进行质量筛选；基于图像数据的光学特性进行像素增强，进行高斯金字塔分解，生成不同尺度的图像分量；基于图像分量确定对应尺度的特征图。本发明专利技术所述方法通过亮度分量和背景光的特性差异，提高目标与背景的区分度，通过结合背景光和亮度强度分量，增强了图像的细节，有效提升复杂环境下的图像质量，通过高斯金字塔和小波分解的结合，有效提取了目标的多尺度和多方向特征，增强了复杂场景下的目标区分能力，动态的权重计算机制确保了高频与低频特征的平衡。

【技术实现步骤摘要】

本专利技术涉及人工智能检测，特别是一种基于人工智能的目标检测方法以及装置。

技术介绍

1、目标检测技术是计算机视觉领域的重要研究方向，其核心任务是通过算法识别图像或视频中的目标位置及其类别，随着深度学习技术的兴起，基于卷积神经网络cnn的目标检测方法得到了广泛应用，并推动了检测精度和速度的显著提升；

2、然而现有技术在处理光线条件变化场景时，对目标检测的影响以及小目标在多尺度特征提取中的检测率偏低，基于多尺度特征提取和方向性增强的改进虽然在一定程度上提升了检测效果，但多尺度特征提取仍存在信息冗余或特征丢失的问题，未能充分利用分量间的交互特性进行动态融合，导致检测模型在细节捕捉和全局特性优化之间难以平衡，降低了目标检测的灵活适配能力。

技术实现思路

1、鉴于上述现有存在的问题，提出了本专利技术。

2、因此，本专利技术提供了一种基于人工智能的目标检测方法解决现有技术在处理光线条件变化场景时，对目标检测的影响以及小目标在多尺度特征提取中的检测率偏低，基于多尺度特征提取和方向性增强的改进虽然在本文档来自技高网...

【技术保护点】

1.一种基于人工智能的目标检测方法，其特征在于，包括：

2.如权利要求1所述的基于人工智能的目标检测方法，其特征在于，所述采集图像数据并确定图像数据的光学特性，根据对比度进行质量筛选，包括：

3.如权利要求2所述的基于人工智能的目标检测方法，其特征在于，所述基于图像数据的光学特性进行像素增强，进行高斯金字塔分解，生成不同尺度的图像分量，包括：

4.如权利要求3所述的基于人工智能的目标检测方法，其特征在于，所述基于图像分量确定对应尺度的特征图，使用注意力机制动态调整多尺度、多方向分量的权重，基于卷积神经网络输出三维特征图，包括：>

5.如权利要...

【技术特征摘要】

1.一种基于人工智能的目标检测方法，其特征在于，包括：

2.如权利要求1所述的基于人工智能的目标检测方法，其特征在于，所述采集图像数据并确定图像数据的光学特性，根据对比度进行质量筛选，包括：

3.如权利要求2所述的基于人工智能的目标检测方法，其特征在于，所述基于图像数据的光学特性进行像素增强，进行高斯金字塔分解，生成不同尺度的图像分量，包括：

4.如权利要求3所述的基于人工智能的目标检测方法，其特征在于，所述基于图像分量确定对应尺度的特征图，使用注意力机制动态调整多尺度、多方向分量的权重，基于卷积神经网络输出三维特征图，包括：

5.如权利要求4所述的基于人工智能的目标检测方法，其特征在于，所述构建回归头网络和分类头网络确定候选框，并输出经过筛选的候选框集合，...

【专利技术属性】
技术研发人员：董子渤，
申请(专利权)人：山西宏安翔科技股份有限公司，
类型：发明
国别省市：