申请/专利权人：成都中扶蓉通科技有限公司

申请日：2024-05-29

公开（公告）日：2024-06-25

公开（公告）号：CN118247716A

主分类号：G06V20/40

分类号：G06V20/40;G06V20/70;G06V10/22;G06V10/25;G06V10/80;G06V10/82;G06N3/0464;G06N3/0455;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：本发明公开了基于自适应掩码的老鼠目标检测方法、系统及存储介质，首先将图像输入主干网络，提取不同尺度、不同语义的特征信息；然后，将特征信息分别输入并行的transformer解码器和像素解码器，以自适应生成掩码图，用于后续采样点选择；基于特征采样点构建变形解码器，进行特征细化增强；最后进行分类识别和定位回归。本发明通过在像素解码器中添加可变形偏移特性，在特征点方向上增强模型的目标形状不变性，能使模型更好地拟合老鼠多变的形貌。本发明可以动态调整感受野，使模型更加“贴合”老鼠目标的外形，并且构建特征采样点优化，减少模型对冗余信息的学习，提高特征信息的质量。本发明增强了模型的目标形状不变性，提升模型去冗余信息的能力，一定程度的优化了定位和识别，具有较好的实用性。

主权项：1.基于自适应掩码的老鼠目标检测方法，其特征在于，包括以下步骤：步骤S1：从监控视频中筛选出包含老鼠的图像，人工标注出定位框和类别信息，并分成训练集和测试集；步骤S2：基于训练集训练检测模型；步骤S21：将图像输入主干网络，提取不同尺度、不同语义的特征信息；步骤S22：将特征信息分别输入并行的transformer解码器和像素解码器；在像素解码器中，针对主干网络提取的不同的层次性特征信息，首先，通过可变形稀疏注意力模块添加可变形偏移特性；然后，通过卷积组合块加深模型的深度和改变特征维度；最后，由多尺度融合模块采用特征相加的融合方式，从下至上进行特征融合，并输出各层级的特征信息；步骤S23：基于特征采样点构建变形解码器，进行特征细化增强；变形解码器对应多尺度融合模块输出的若干个层级的特征信息设置若干个从前至后依次连接的掩码注意力模块，所述transformer解码器的输出与多尺度融合模块输出的第一层级的特征信息F1'经过特征相乘层处理后生成掩码图，掩码图分别输入至若干个掩码注意力模块；首个掩码注意力模块的输入还包括可学习的查询变量，若干个掩码注意力模块同时联合多尺度融合模块输出的各层级的特征信息，最终筛选出最优采样点矩阵，并与多尺度融合模块输出的第一层级的特征信息F1'结合生成最强的特征信息，用于后续定位识别；步骤S24：最后基于检测器进行分类识别和定位回归；步骤S3：基于测试集测试步骤S2中训练后的检测模型的性能，得到性能最优的检测模型，用于检测监控图像中的老鼠目标。

全文数据：

权利要求：

百度查询： 成都中扶蓉通科技有限公司 基于自适应掩码的老鼠目标检测方法、系统及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD