摘要
本发明提供了一种融合Transformer与改进YOLO的再生物品旋转目标检测方法和装置,其方法包括:1、搜集不同形态同类可再生物品的数据图像,得到可再生物品原始数据集;2、引入密集编码标签(Densely Coded Labels,DCL),实现旋转角度的高精度识别;3、通过使用RepVGG模型作为主干特征提取网络,采用多分支的网络结构一般是能提高模型的表征能力;4、在主干网络末端加入Transformer的注意力机制,强化特征提取;5、使用BiFPN网络对骨干网络输出的特征进行后处理,增强不同尺度的特征信息融合;6、用训练数据集对搭建的目标检测网络进行训练,得到训练好的再生物品目标检测网络。
技术关键词
特征提取网络
特征信息融合
多头注意力机制
物品图像数据
残差结构
多级特征融合
引入注意力机制
多分支
网络结构
前馈神经网络
标注工具
错误检测
编码器
计算误差
分类方法
系统为您推荐了相关专利信息
自动分类方法
语义特征
图像特征提取
Softmax函数
自动分类系统
特征提取网络
牡蛎
多传感器
无损检测方法
振动声学信号
自动检测方法
宫颈
多尺度
注意力机制
归一化模块