一种基于特征增强的复杂场景下小目标检测方法.pdf
葫芦****io
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于特征增强的复杂场景下小目标检测方法.pdf
本发明属于计算机视觉和目标检测领域,具体涉及一种基于特征增强的复杂场景下小目标检测方法。本发明的技术方案是:首先提出Cutout‑DA数据增强方法,生成新的遮挡数据扩充至VisDrone2021数据集中,然后设计多尺度融合的特征增强路径聚合网络MSFE‑PANet,通过集成注意机制、特征融合以及针对小目标的网络预测尺度策略,获取到更丰富、细致的语义信息特征和空间信息特征,设计预测框排斥损失函数RB_Loss,最后训练模型。本发明可以增强深层特征图的强定位信息与浅层特征图的强语义信息相互融合,帮助网络在复杂
一种基于增强特征提取的小目标检测方法.pdf
本发明公开了一种基于增强特征提取的小目标检测方法,属于图像处理和计算机视觉技术领域。该检测方法包括:采集图像构建数据集,并将数据集划分为训练集和测试集;构建改进的YOLOV5网络模型,其主干网络用shufflenetV2代替,添加坐标注意力机制,改进特征提取结构:加深特征金字塔FPN,增加浅层特征重用,删除低分辨率目标检测层,避免无效计算;使用训练集数据对改进的YOLOV5网络模型进行训练,得到小目标检测模型。本发明通过增加浅层特征重用及引入坐标注意力机制,提升了检测精度,通过缩减模型体积,降低网络参数
一种基于小目标特征增强的交通标志检测方法.pdf
本发明公开了一种基于小目标特征增强的交通标志检测方法,主要包括以下步骤:构建交通标志数据集并进行数据增强;针对数据集中检测目标尺寸小,使用K‑means++聚类算法得到先验框并且使用非线性的聚类距离;根据数据集中显现的小目标居多的问题针对性的对网络结构进行优化;根据数据正负样本失衡严重的问题针对性的优化算法的损失函数,实现对目标的动态加权。本发明是在城市街景场景中实现交通标志检测,通过对算法的网络结构以及损失函数等改进,增强目标的细粒度特征等,可实现小目标检测召回与精度的提升,此方法对小尺寸居多的交通标志
复杂场景下基于目标检测和模板匹配的工件识别计数方法.pdf
本发明涉及目标检测和模板匹配技术领域,具体为复杂场景下基于目标检测和模板匹配的工件识别计数方法,包括以下步骤:利用高清工业相机获取标准工件原始数据集;对工件图像集进行预处理、数据增广、裁剪及分类标注得到增强数据集;构建基于改进YOLOv5的目标检测网络模型并进行数据集训练:部署训练好的目标检测模型读取工业摄像头实时检测生产线上的工件,旋转角度后裁剪并保存识别出的各个工件图像。本发明的优势在于,首先通过深度学习目标检测的手段从复杂场景图像中识别出工件,得到工件的位置信息,对于环境信息的敏感有更好的鲁棒性。能
复杂场景下视频目标检测方法研究的开题报告.docx
复杂场景下视频目标检测方法研究的开题报告一、选题背景随着现代数字技术的广泛应用,视频目标检测在实际应用中得到了广泛地应用。视频目标检测是指通过对视频中各个帧进行分析,自动地识别和定位出其中的目标,是对视频内容处理的一个重要的研究领域。目前,视频目标检测已经应用于交通监控、智能控制、医学图像分析、电影制作等多个领域中。在实际应用过程中,视频目标检测需要在复杂的场景下进行,这些场景包括光照不均、噪声干扰、相机运动等。这会对视频目标检测算法带来挑战性。因此,本研究旨在研究复杂场景下视频目标检测方法,为视频目标检