摘要
本发明公开了基于改进Salience‑DETR的小目标识别方法,包括以下步骤:S1、图像获取;S2、数据集构建;S3、公共数据集。该基于改进Salience‑DETR的小目标识别方法,本发明中通过前景注意力机制模块,在ViT层内引入多尺度窗口注意力机制,实现局部细粒度特征与全局通道语义的跨窗口关联,相较于传统注意力机制,该模块显著缓解了浅层网络对微小目标边缘响应不足的问题,加强了对图像中前景区域的特征捕捉能力,使模型能够更精准地提取小目标的多尺度细节信息,同时,空间与通道协同机制模块通过并行的空间多尺度自注意力和通道分组协同注意力,能够有效解决多目标场景下的语义混淆与通道响应冗余问题。
技术关键词
识别方法
注意力机制
工业平板
多尺度窗口
协同注意力
全局平均池化
通道
高层语义特征
空间多尺度
矩阵乘法运算
细粒度特征
模块
图像
双线性插值
训练集
图片
数据
系统为您推荐了相关专利信息
低空飞行器
电机故障检测方法
故障类别
一维卷积神经网络
电机故障检测系统
图像分类方法
单波段
深度学习模型
黄豆种子
图像采集设备
三维网格单元
转台
调控方法
决策算法
时空注意力机制
位置预测方法
随机噪声
多头注意力机制
历史位置信息
编码器单元
仿真模型
前馈神经网络
物理
管网参数
深度学习预测模型