摘要
本发明公开了一种基于自适应特征增强和边界对齐损失的目标检测方法,属于目标检测技术领域,包括以下步骤:步骤S1:数据预处理:将训练所需数据集中的各个图片剪裁成固定大小,并将其生成对应的json文件;步骤S2:自适应特征增强:构建自适应特征金字塔增强网络,通过空洞卷积等操作提取包含丰富上下文信息的特征图,并在特征融合过程中设计权重自适应加权融合模块;步骤S3:边界对齐损失:在检测头回归分支,基于预测框和目标框,定义交集覆盖区域面积、非重叠覆盖区域面积及最小外接矩形面积,设计边界对齐交并比损失函数,本发明利能够增强模型特征融合、充分利用多尺度特征并使得预测框快速拟合目标框,以便达到更好的实时性要求。
技术关键词
重叠覆盖区域
空洞
全局平均池化
特征金字塔网络
定义
多尺度特征
多任务损失函数
检测头
模块
矩形
通道
标签
样本
融合特征
坐标
计算方法
语义
图片
系统为您推荐了相关专利信息
测井方法
反演方法
机器学习方法
确定性方法
地层电阻率
风机叶片表面
特征金字塔
特征检测方法
特征检测系统
小尺寸
视频检索方法
深度神经网络模型
视觉特征
文本
RGB特征
动态采集方法
数据中心
动态采集系统
自定义字段
数据处理组件