摘要
本发明旨在提供一种恶劣天气下的车辆检测方法,包括以下步骤:A、构建神经网络模型,所述的神经网络模型包括:Backbone网络、Neck网络、Head网络;所述的Backbone网络为基于YOLO网络的框架结构;所述的Neck网络中设置了CARAFE轻量级上采样算子、SSFF特征融合模块和TFE模块;B、对神经网络模型进行训练,得到训练好的神经网络模型;C、将待检测的交通环境图像引入训练好的神经网络模型中,依次经过Backbone网络、Neck网络、Head网络处理,得到检测后的图像。本发明的方法在有效提取多尺度目标的细节特征和局部信息的同时,能有效提升网络在恶劣天气下对多目标、弱目标的检测精度。
技术关键词
车辆检测方法
卷积模块
训练神经网络模型
天气
上采样
图像
通道
输出特征
插值法
框架结构
位置映射
数据
尺寸
交通
多尺度
分辨率
计划
系统为您推荐了相关专利信息
零件异常检测方法
多尺度特征
特征提取器
无监督
图像
高频特征
CT重建方法
融合特征
图像增强
编码器
虚拟现实交互方法
场景
虚拟现实设备
自然景观
心率监测设备
蝗虫
路径规划方法
局部路径规划
全局路径规划
算法
辅助呼吸方法
辅助呼吸系统
数据
训练样本集
参数