摘要
本发明提出了一种基于部分融合卷积网络的目标检测方法,实现步骤为:获取训练和测试样本集;构建基于部分融合卷积网络的目标检测网络模型并对其进行迭代训练;获取遥感小目标检测结果。本发明中的多个部分融合卷积模块通过对卷积特征提取模块所提取浅层特征进行不同深层的特征提取,提高了对通道和空间关键区域特征的感知能力,并通过两级ReLU激活层抑制了遥感图像中复杂背景的噪声干扰,有利于捕获小目标的细节信息,且多尺度交叉空间特征融合网络通过选择特征融合模块对关键语义信息和通道特征增强后不同的深层特征进行融合,动态平衡了不同层级特征的细节信息与语义信息,有效提高了遥感小目标的检测准确率。
技术关键词
检测网络模型
卷积特征提取
融合卷积网络
特征融合网络
检测头
融合特征
模块
分支
图像
深层特征提取
浅层特征提取
级联
随机梯度下降
语义
训练样本集
通道
注意力
标签框
系统为您推荐了相关专利信息
点云特征提取
特征提取模块
相机图像数据
融合特征
激光点云数据
深度学习模型
无人机
追踪方法
多模态传感器
特征融合网络
无人机遥感图像
双分支网络
注意力机制
多模态特征融合
检测头
遥感图像数据
检测网络模型
视觉特征
特征金字塔
特征提取能力