摘要
本发明提供了一种基于多尺度多特征神经网络的行人目标检测方法,属于基于计算机视觉的目标检测技术领域;首先,采集行人图像数据并对其进行预处理;其次,对于处理好的数据,构建多尺度特征提取网络提取不同尺度的特征图;再次,构建多尺度特征融合网络将不同尺度的特征图进行融合,使网络可以学习到更丰富的特征信息,从而提高模型检测不同大小目标的能力;再次,构建行人目标检测网络,将融合特征输入网络中获得行人目标检测结果;最后,设计损失函数,并通过反向传播算法计算梯度来更新模型的权重,经过充分的训练,得到最终的目标检测模型并部署使用。
技术关键词
多尺度多特征
多尺度特征提取
通道注意力机制
多头注意力机制
深度卷积神经网络
硬件平台
空间结构信息
融合特征
图像多尺度
原始图像数据
优化器
行人特征
检测行人
多层感知机
系统为您推荐了相关专利信息
情感识别模型
多头注意力机制
编码特征
情感类别
多模态会话
损伤预测方法
水泥基复合材料
多尺度结构
损伤特征
冻融循环次数
图像编解码方法
编码特征
解码图像
支持向量机模型
极限学习机
红外图像非均匀性
联合校正方法
视频帧
直方图
神经网络模型