摘要
基于深度学习特征增强的复杂背景下昆虫检测方法和系统,涉及小目标检测领域。解决了农业昆虫检测缺乏真实场景中动态捕获到的昆虫图像的问题。方法包括:获取图像,并对所述图像进行预处理;构建S‑Insect‑Det网络结构,S‑Insect‑Det网络结构包括主干网络、颈部网络和检测头;所述主干网络为基于Transformer的EfficientViT网络;所述颈部网络为双向多尺度融合架构;通过主干网络进行图像特征提取,并通过颈部网络进行多尺度特征融合;通过检测头输出特征融合后的特征表示,获取昆虫识别结果。本发明应用于昆虫识别领域。
技术关键词
深度学习特征
图像特征提取
多尺度特征融合
网络结构
检测头
输出特征
多分支
卷积模块
高层语义信息
样本
图像获取单元
特征提取单元
可读存储介质
处理器
分辨率
系统为您推荐了相关专利信息
报告生成方法
非接触式
深度神经网络结构
图像特征编码
损失函数设计
滤波器
多粒度剪枝
神经网络优化系统
卷积神经网络模型优化
信息熵
哈希编码方法
卷积神经网络提取
信号特征
卷积神经网络特征提取
建立映射关系
吸收装置
量化分析方法
末端缓冲装置
数学模型
神经网络结构
SF6密度继电器
温度补偿方法
SF6气室
粒子群优化算法
神经网络模型