目标检测深度学习模型及目标检测方法技术

本申请提供一种目标检测深度学习模型及目标检测方法。该目标检测深度学习模型包括：主干网络，用于对输入图像进行特征提取；边缘特征提取模块，用于在主干网络的初始阶段利用滤波器提取输入图像的边缘特征，滤波器包括水平方向滤波器和垂直方向滤波器；特征融合网络，用于对主干网络输出的多尺度特征进行融合，特征融合网络包括基于多尺度注意力机制的融合模块，融合模块用于多尺度特征的加权重组；池化模块，用于利用空间金字塔池化进行多尺度特征的整合；检测头网络，用于接收特征融合网络和池化模块输出的特征图，并对目标类别和位置进行预测，输出目标检测的类别标签和边界框坐标。本申请能够提高目标检测精度和模型推理速度。

【技术实现步骤摘要】

本申请涉及目标检测，尤其涉及一种目标检测深度学习模型及目标检测方法。

技术介绍

1、在小区和建筑内进行杂物检测是维护环境清洁与安全的重要手段，能够有效提升物业管理的效率，改善居民的生活质量，促进社区的和谐发展。同时，快速、准确的杂物检测技术还有助于遵守环保法规，推动可持续发展目标的实现。因此，设计一种高精度、高速的杂物检测模型成为物业管理领域的重要技术需求。

2、现有的杂物检测算法通常依赖于传统计算机视觉方法或深度学习模型，虽然在简单环境中能够实现一定程度的检测功能，但在实际复杂场景中存在显著的不足。具体而言，现有技术主要存在以下问题：

3、在光线变化剧烈、背景复杂或遮挡较多的环境中，现有算法容易出现漏检和误检，无法满足实际应用的需求；高精度模型通常依赖于较大的计算资源，推理速度较慢；而提升推理速度的轻量化模型又会以牺牲检测精度为代价，难以在实时检测任务中实现良好的性能。

技术实现思路

1、有鉴于此，本申请实施例提供了一种目标检测深度学习模型及目标检测方法，以解决现有技术存在的目标检测本文档来自技高网...

【技术保护点】

1.一种目标检测深度学习模型，其特征在于，包括：

2.根据权利要求1所述的目标检测深度学习模型，其特征在于，所述全局上下文注意力模块包括：

3.根据权利要求2所述的目标检测深度学习模型，其特征在于，所述全局上下文注意力模块还包括：

4.根据权利要求1所述的目标检测深度学习模型，其特征在于，所述边缘特征提取模块具体用于：

5.根据权利要求4所述的目标检测深度学习模型，其特征在于，所述边缘特征提取模块嵌入在主干网络的初始下采样阶段，所述下采样阶段采用卷积层和滤波器结合的方式，其中，所述卷积层用于提取基础图像特征；所述滤波器用于提取边缘信息并与所...

【技术特征摘要】

1.一种目标检测深度学习模型，其特征在于，包括：

2.根据权利要求1所述的目标检测深度学习模型，其特征在于，所述全局上下文注意力模块包括：

3.根据权利要求2所述的目标检测深度学习模型，其特征在于，所述全局上下文注意力模块还包括：

4.根据权利要求1所述的目标检测深度学习模型，其特征在于，所述边缘特征提取模块具体用于：

5.根据权利要求4所述的目标检测深度学习模型，其特征在于，所述边缘特征提取模块嵌入在主干网络的初始下采样阶段，所述下采样阶段采用卷积层和滤波器结合的方式，其中，所述卷积层用于提取基础图像特征；所述滤波器用于提取边缘信息并与所述卷积层的输出进...

【专利技术属性】
技术研发人员：胡文骏，
申请(专利权)人：北京千丁智能技术有限公司，
类型：发明
国别省市：