摘要
本发明属于计算机视觉和深度学习技术领域,具体来说是基于多尺度空洞融合的小目标检测方法。本发明解决的技术问题为:无人机航拍图像目标检测任务中,小目标所占的比例通常是最大的,其包含的有效像素点数量少,在复杂的背景条件下难以获取足以正确定位的信息量。传统的目标检测中,卷积操作会使图像变小,图像边界信息丢失,这将导致小目标边缘像素点无法发挥作用,同时忽略掉了许多上下文特征。本发明针对此问题引入了多尺度空洞融合的小目标检测方法,可以解决小目标难以检测的问题,通过扩大感受野,增强对小目标的特征提取能力,融合多尺度特征,提升上下文信息的利用,提高小目标在复杂背景中的可辨识性和定位准确性。
技术关键词
空洞
检测头
像素
无人机航拍图像
Sigmoid函数
融合多尺度特征
通道
注意力机制
多尺度特征提取
YOLO模型
局部特征信息
融合特征
特征提取能力
邻域
全局平均池化
深度学习技术
上下文特征
系统为您推荐了相关专利信息
热轧
像素
智能识别系统
AI智能识别
金属冶炼技术
探地雷达图像
深度学习网络
雷达图像数据
智能成像模型
隧洞
气体泄漏检测方法
蒸汽锅炉
像素点
图像处理
噪声
三阶段特征提取
图像分割方法
Sigmoid函数
图像分割网络
加权特征