一种基于目标检测的井盖隐患检测方法

本发明涉及深度学习与目标检测技术领域，公开了一种基于目标检测的井盖隐患检测方法，将井盖图像输入目标检测模型的主干网络，经过多个依次串联的提取单元，提取多个不同尺度的初级特征图，并输入基于FPN结构的颈部网络，输出每个尺度对应的融合特征图后，输入头部网络，输出井盖图像的每个尺度对应的预测标签、预测边界框与置信度。动态上采样模块生成采样偏移量来调整采样网络，更好地捕捉小目标信息，提高对井盖图像中细节的检测和分割精度；反转残差注意力下采样模块引入了注意力机制、深度可分离卷积与残差机制，有效压缩数据，减少信息损失，增强对井盖图像关键特征的关注，提升模型对井盖隐患的特征表达，进而提高井盖隐患检测精度。