摘要
本发明涉及一种基于FasterRcnn‑S的小目标检测方法,属于图像处理技术和计算机视觉领域。其包括以下步骤:获取小目标检测数据集,对数据集进行数据增强,并划分为训练集和测试集;构建基于FasterRcnn‑S的小目标检测模型;所述模型以FasterRcnn网络作为基础网络,添加多尺度解耦大核卷积混合注意力模块,采用特征增强对齐的双级特征金字塔网络进行特征融合,引入多级区域建议网络结构,设计细粒度解耦检测头替换普通目标检测头;采用训练集对模型进行训练,得到训练好的模型;将测试集中图像输入到训练好的模型中,得到目标检测结果。本发明能够提高小目标检测的准确性。
技术关键词
注意力
输出特征
特征金字塔网络
分支
积层
池化特征
对齐模块
检测头
Softmax函数
卷积模块
神经网络结构
通道
多级特征
图片
图像处理技术
残差结构
计算机视觉
系统为您推荐了相关专利信息
自然语言信息
SPARQL查询
答案
知识问答方法
深度学习模型
探索系统
深度强化学习
节点特征
密度聚类算法
观察系统
分支
分辨率
优化候选区域
卷积特征
特征金字塔网络
薄膜热电偶
温度误差补偿方法
误差补偿模型
热电势
单层感知机