摘要
本发明提出了一种基于超像素掩模和动态核的小目标检测方法,实现步骤为:获取训练和测试样本集;构建基于超像素掩模和动态核的目标检测网络模型并对其进行迭代训练;获取小目标检测结果。本发明贪心切片模块根据中心点和尺度进行初始图像块分割,避免了分割造成的空间关联特征被割裂的缺陷,动态核模块再对每个图像块进行多尺度特征融合,能够动态调整感受野,灵活适配不同尺度目标的广域上下文信息,有效提高了检测精度;超像素掩模生成器对所提取的每幅特征图生成与类别无关的前景区域掩模,动态核模块对贪心切片模块获取的包含目标集群的每个前景图像块进行多尺度特征融合,避免了所获取多尺度特征时需要处理无用背景信息对计算开销的影响。
技术关键词
检测网络模型
掩模生成器
图像块
多尺度特征融合
像素
特征提取模块
动态
切片
级联
梯度下降法
处理单元
训练样本集
池化特征
滑动窗口
大视场
系统为您推荐了相关专利信息
损伤检测方法
YOLO模型
损伤类别
拟合算法
前馈神经网络
结构光三维重建方法
投影仪
坐标系
矩阵
畸变参数
可见光图像
像素点
多角度
多物理量传感器
网络通信模块