申请/专利权人:中科南京人工智能创新研究院
申请日:2024-04-12
公开(公告)日:2024-06-25
公开(公告)号:CN118247711A
主分类号:G06V20/40
分类号:G06V20/40;G06V10/26;G06V10/44;G06V10/75;G06V10/762;G06V10/80;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明公开了一种Transformer架构小目标检测方法及系统,首先获取待测视频,进行逐帧分割,将每一帧图像按照预定尺度进行切分,生成不同尺度的图像块,并对切分后的图像块进行预处理;利用卷积神经网络对各个尺度的图像块进行特征提取;对每个尺度的特征图进行位置嵌入和尺度嵌入;将带有位置嵌入和尺度嵌入的特征图输入到Transformer模型中,得到最终的小目标检测结果。本发明通过对图像进行不同尺度的切分并统一降维,还加入位置嵌入和尺度嵌入,增强了模型对小目标在图像中位置和尺度的敏感度,不仅提高了小目标的识别准确率和计算速度,还降低了对计算资源的需求。
主权项:1.一种Transformer架构小目标检测方法,其特征在于,所述小目标检测方法包括以下步骤:S1,获取待测视频,进行逐帧分割,将每一帧图像按照预定尺度进行切分,生成不同尺度的图像块,并对切分后的图像块进行预处理;S2,对各个尺度的图像块进行特征提取、获得特征图并降维;S3,对每个尺度的特征图进行位置嵌入和尺度嵌入;S4,将带有位置嵌入和尺度嵌入的特征图输入到Transformer模型中,利用自注意力机制捕获全局依赖关系,并对特征进行整合和处理;S5,输出最终的小目标检测结果。
全文数据:
权利要求:
百度查询: 中科南京人工智能创新研究院 一种Transformer架构小目标检测方法及系统
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。