摘要
本发明属于小目标检测技术领域,具体为一种基于渐进式多尺度特征融合网络的小目标检测方法,解决了现有小目标检测方法中特征金字塔网络深层特征中语义信息丢失,同时使用自下而上的路径导致浅层的信息在下采样与按路径融合时出现小目标特征丢失的技术问题,其包括将待检测小目标图像的大小进行统一调整,将调整后的图像输入到小目标检测网络的骨干网络部分;骨干部分对输入的待检测图像进行特征提取,得到四个尺度的特征图;颈部部分对骨干网络输出的四个尺度的特征图进行特征增广;再对特征图进行尺度对齐,通过对不同层级的特征进行上采样或下采样来实现每个特征图进行尺度调整;将处理后的特征图输入检测头预测置信度、分类和边界框。
技术关键词
卷积模块
空洞
融合特征
Sigmoid函数
特征金字塔网络
上采样
图像
代表
注意力机制
层级
检测头
基础
语义
元素
阶段
关系
尺寸
系统为您推荐了相关专利信息
实例分割
分割方法
路面缺陷
无人机自动巡航
卷积神经网络结构
卫星遥感影像
卷积模块
多尺度特征
分辨率
多空间
邻域
全局地图
特征地图
共享卷积神经网络
融合全局