摘要
本申请提出了一种基于长尾分布优化的无人机目标检测方法,包括对获取的多模态数据进行数据融合;将融合数据输入到特征提取网络进行特征提取,并在提取特征时进行通道和空间的自适应重加权;采用区域提议网络根据提取的特征图动态调整锚框,以生成候选框;根据候选框和特征图计算联合置信度以优化类别偏置采样器的采样策略;对采样的头部特征框和尾部特征框分别进行处理,以得到对应的类别预测概率和边界框偏移量,并采用深度解码器根据候选框和特征图解码预测深度值;根据类别预测概率、边界框偏移量和预测深度值构建总损失函数进行模型训练;以采用训练好的目标检测模型输出检测结果;从而显著提升了工地中低频但高风险目标的检测敏感度。
技术关键词
多模态特征
特征提取网络
多尺度特征
无人机
深度值
特征金字塔网络
头部特征
感兴趣
采样器
数据
对齐模块
残差神经网络
检测敏感度
解码器
深度图
点云
处理器
动态
系统为您推荐了相关专利信息
风电场设备
虚拟惯量
管控方法
边界层模型
数字孪生模型
特征提取网络
数字化识别方法
离线
融合特征
在线
行驶状态信息
特征点
车辆避障方法
无人机
前轮转向角
缺陷定位方法
低压电器
加权特征
多尺度特征
融合特征