基于FasterNet轻量级框架与特征融合的车辆检测算法及装置

本申请提供了一种基于FasterNet轻量级框架与特征融合的车辆检测算法及装置，涉及深度学习、图像处理领域，该算法包括：输入图像，并对图像进行预处理，预处理主要包括LetterBox和归一化操作；将预处理之后的图像输入基于FasterNet网络和多头注意力机制的主干网络进行特征提取，得到初步提取特征图；将初步提取特征图输入基于F‑C2f模块的颈部网络进行多尺度特征融合，得到混合融合特征图；将混合融合特征图输入车辆检测模型的头部网络，采用Focal‑EIoU损失函数进行训练，当训练周期达到100时，停止训练，得到训练好的车辆检测模型；将测试图像输入到训练好的车辆检测模型，得到测试图像的车辆检测结果。该算法提供的车辆检测模型可以兼顾车辆检测的准确性和实时性。