摘要
本发明涉及图像目标检测与识别技术领域,尤其涉及一种针对内河船舶检测的轻量化YOLO模型构建方法。其技术方案包括以下步骤:主干网络轻量化:使用PP‑LCNet作为主干网络,由多个DepthSepConv基本模块叠加而成;在PP‑LCNet中引入全新的注意力增强深度可分离卷积模块,注意力增强深度可分离卷积模块包括引入基于全局平均池化层和一维卷积的轻量化注意力机制;使用GSConv在GS‑ELAN模块中替代传统卷积模块。本发明通过主干网络轻量化、引入轻量化卷积以及网络结构重设计,实现了模型参数数量的减少、计算量的降低、检测精度的提升以及实现方法的简化,为相关领域的技术进步提供了有力的支持。
技术关键词
YOLO模型
内河船舶
卷积模块
注意力机制
网络结构
空间金字塔池化
特征融合方法
特征融合网络
参数
设计特征
级联
输出特征
重构
数据
聚类
系统为您推荐了相关专利信息
跨模态融合特征
深度强化学习模型
视频特征向量
文本特征向量
交互特征
靶标相互作用
药物
训练预测模型
序列
多层感知机
报告自动生成方法
文本
视觉特征提取
多模态特征融合
生成医学报告
三维点云模型
三维模型重建方法
神经网络结构模型
三维网格模型
三维模型重建系统