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
良恶性分类方法
特征提取模块
影像
特征提取模型
乳腺
信息融合分析方法
融合神经网络
分辨率
融合特征
对比度
层次化语义
兴趣点推荐方法
网络模块
分层注意力
语义层次结构
净初级生产力
智能预测方法
数字高程模型
空间金字塔池化
土壤水分数据