摘要
本发明公开了一种基于多尺度特征融合的车辆识别方法,所述的车辆识别方法在多尺度特征融合方法的基础上搭建网络模型,首先通过主干网络提取不同尺度的特征,然后通过基于动态上采样的多尺度特征融合方法,将深层网络的特征图上采样到与浅层网络的特征图大小一致,再通过CA注意力得到特征权重,浅层网络乘以特征权重后与深层特征进行融合,每次融合两个特征图,所得新特征图继续与下层特征重复融合过程,直至迭代结束,融合后的特征图经过卷积后再形成检测头;本发明在一阶段目标检测算法YOLOv8上进行改进,将浅层网络特征与深层网络特征进行融合,最大程度上避免浅层特征图信息的丢失,在进行车辆识别任务时,提高检测精度。
技术关键词
多尺度特征融合
车辆识别方法
特征融合方法
上采样
检测头
sigmoid函数
网络特征
语义信息提取
动态
全局平均池化
数据
特征金字塔
因子
图像
注意力机制
图片
通道
系统为您推荐了相关专利信息
水印图像生成方法
变量
图像生成程序
多尺度特征
水印图像生成系统
自主控制系统
双臂机器人
视觉特征
多视角视觉
控制接口模块
节能型建筑材料
混凝土浆料
混凝土墙板
空洞卷积神经网络
语义
布局生成方法
深度图
语义标签
室内场景图像
房间