申请/专利权人:厦门大学
申请日:2024-05-24
公开(公告)日:2024-06-21
公开(公告)号:CN118229964A
主分类号:G06V10/25
分类号:G06V10/25;G06V10/40;G06V10/80;G06V10/82;G06V10/764;G06V10/766
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明公开一种基于全流水线改良的小目标检测方法,在目标检测流水线的三个阶段都进行了改进,综合提高了对小目标的检测性能,其包括以下步骤:对待检测图片进行预处理,然后将预处理后的待检测图片及其对应的标签送入神经网络;神经网络在检测流水线的上游对待检测图片进行特征提取和特征融合并进行提纯操作得到特征图;在检测流水线的中游使用IoU、位置偏移指标和尺寸约束指标共同为特征图的候选框评分并分配正标签和负标签;在检测流水线的下游,将分配好标签的训练样本和特征图一起送到频率解耦检测头中进行分类和回归,输出待检测图片中的待检测目标对应每一个类别的概率数值以及对应的位置信息。
主权项:1.一种基于全流水线改良的小目标检测方法,其特征在于包括分级特征提纯模块、多指标标签分配模块和频率解耦检测头,并执行以下步骤:步骤1.对待检测图片进行预处理,然后将预处理后的待检测图片及其对应的标签送入神经网络;步骤2.神经网络在检测流水线的上游对待检测图片进行特征提取和特征融合,并在分级特征提纯模块中对特征进行提纯操作得到特征图,随后这些特征图被送入多指标标签分配模块中;步骤3.在检测流水线的中游,特征图内包含大量预先生成的候选框以及真实样本的标签,真实样本的标签包含真实框的信息;多指标标签分配模块使用IoU、位置偏移指标和尺寸约束指标共同为候选框评分,并根据评分结果为候选框分配正标签和负标签,所有被分配标签的候选框共同构成训练样本;步骤4.在检测流水线的下游,将分配好标签的训练样本和特征图一起送到频率解耦检测头中进行分类和回归,输出待检测图片中的待检测目标对应每一个类别的概率数值以及对应的位置信息;如果是训练过程,根据这个阶段获得的结果与真实标签计算损失,随后进行梯度回传更新模型参数;如果是测试过程,则直接输出待检测图片中预测的框的坐标、类别、置信度得分。
全文数据:
权利要求:
百度查询: 厦门大学 基于全流水线改良的小目标检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。