摘要
本发明提供一种自适应特征融合的空间目标检测识别方法及装置,应用于人工智能技术领域,其中,上述方法包括:对预设图像训练集中的两张训练图像进行线性插值处理,得到训练样本图;将训练样本图输入至预设的深度学习神经网络,得到预设的深度学习神经网络输出的自适应融合特征图;其中,包括:对卷积输出结果进行注意力加权处理,得到注意力加权特征图;基于预设的深度学习神经网络的路径聚合网络,对注意力加权特征图进行分割处理,得到不同尺度的特征图;基于预设的深度学习神经网络的自适应特征融合网络,对不同尺度的特征图进行融合处理,得到自适应融合特征图。通过本发明能够使模型更好地捕捉目标的多层次特征。
技术关键词
深度学习神经网络
检测识别方法
注意力
加权特征
融合特征
特征融合网络
图像
通道
非暂态计算机可读存储介质
检测识别装置
焦点损失函数
多层次特征
处理器
人工智能技术
计算机程序产品
样本
数据
模块
存储器
系统为您推荐了相关专利信息
模锻压力机
注意力卷积神经网络
故障诊断方法
多模态特征
多模态传感器
在线监测方法
时空图卷积神经网络
油烟在线监测设备
时空融合特征
螺旋形通道