摘要
本发明公开了一种多尺度特征权重赋能方法、系统及图像目标检测方法,属于基于深度学习的视觉图像目标检测方法,通过特征提取网络输入检测图像的多层级特征,包括浅级特征图、中级特征图和深级特征图,对多层级特征进行三次权重赋能得到输出特征图进行检测图像中的多尺度目标检测,通过对不同层级的特征图进行特定的融合进行权重赋能,增强了多尺度特征中浅层特征和深层特征融合和信息交互,通过视觉检测模型对输出特征图进行深度学习预测,实现了浅层和深层特征之间的信息互补,进而满足了图像目标检测中多尺度目标的高精度检测需求,特别适用于复杂工业产品表面缺陷检测和无人机对地面特定目标的检测等视觉推理任务。
技术关键词
权重特征
输出特征
融合特征
多尺度特征
特征提取网络
工业产品表面缺陷
层级
图像
Sigmoid函数
元素
深度学习预测
视觉推理
上采样
特征提取模块
无人机
基准
地面
系统为您推荐了相关专利信息
数据监控管理方法
分析电气设备
时序特征
表面电荷密度
数据监控管理系统
裂缝检测方法
注意力机制
混凝土表面裂缝
融合特征
算法
人工神经网络模型
卷积神经网络模型
多模态深度学习
报告生成方法
梯度下降算法
缺血再灌注损伤
心肌组织损伤
视觉特征
图像
混合结构模型