摘要
本发明公开了一种用于图像小目标检测的可分离多尺度特征融合方法,包括获取图像数据并进行预处理;通过若干层深度卷积和逐点卷积构建的深度可分离的特征提取器,分别对各自输入的浅层特征提取得到高阶特征;通过构建的特征权值分配机制将每一层输入的浅层特征和输出的高阶特征进行对应位置的累加和相乘操作,为浅层特征分配权值;通过构建的多尺度融合的S型主干网络将若干层的浅层特征和高阶特征进行融合,增加细节特征融合能力和提高计算效率;对深度可分离的特征提取器、特征权值分配机制和多尺度融合的S型主干网络构成的图像小目标检测网络模型进行训练;采用完成训练的图像小目标检测网络模型进行图像中小目标的检测,获取图像检测结果图。
技术关键词
检测网络模型
多尺度特征融合
特征提取器
输出特征
图像
浅层特征提取
精度
数据
线性单元
卷积特征
训练集
通道
矩阵
系统为您推荐了相关专利信息
挂装系统
导向支腿
挂装方法
挂装装置
图像采集装置
露天煤矿
正射影像数据
数据分级管理
数据安全控制
激光点云数据
熔融沉积成型工艺
参数监控方法
打印系统
残差神经网络
标签