摘要
本发明公开了一种基于多层注意力融合的小目标检测方法,构建由骨干网络、颈部网络和检测头组成的卷积神经网络,并增设多层注意力融合模块;通过对网络中多层特征提取多尺度的注意力并进行融合,实现跨层的、多尺度的注意力融合方案,进一步增强了网络对小目标的关注程度。本发明提高了模型的性能和预测能力,能够更好地理解输入数据的语义,从而产生更具有针对性和准确性的预测结果。
技术关键词
多层注意力
权重特征
检测头
输出特征
多尺度
特征金字塔
图像
网络深度
生成特征
代表
传播算法
纹理特征
数据
尺寸
模块
语义
色彩
矩阵
系统为您推荐了相关专利信息
风电功率区间预测
概率预测方法
风电场集群
Stacking模型
复合多尺度
锂电池热失控
声音检测方法
图像分析
多模态
多尺度特征融合
样本检测方法
多尺度特征融合
动态
指数加权移动平均值
闭环反馈机制
神经网络训练方法
异构设备
训练设备
切割算法
顶点