摘要
本发明属于计算机视觉技术领域,具体公开了一种基于LSS模型的弱监督与轻量化目标检测方法、电子设备及可读存储介质,其方法包括S1、构建改良LSS模型,利用改良LSS模型进行BEV特征提取;S2、将弱监督学习策略融入改良LSS模型中,然后进行目标检测;S3、将检测到的目标信息映射到鸟瞰图平面,输出目标的类别、位置和尺寸信息;S4、对目标的类别、位置和尺寸信息进行后处理,输出具有良好实时性的鸟瞰视频。
技术关键词
监督学习策略
卷积模块
残差神经网络
输出特征
鲁棒性
计算机视觉技术
电子设备
可读存储介质
数据
特征提取模块
卡尔曼滤波
机制
标记
图像
处理器
尺寸
矩阵
序列
视角
系统为您推荐了相关专利信息
集成学习方法
高斯混合模型
EM算法
实时图像
亮度
激光雷达数据
激光雷达图像
分类方法
分类网络
空谱特征
鞘氨醇单胞菌
标志物
诊断试剂盒
留一交叉验证
卟啉
网络模块
分支
输出特征
模型训练模块
数据处理模块
输出特征
YOLO模型
缺陷检测方法
上采样
模块