摘要
一种基于改进YOLO的施工现场小尺度目标检测方法、系统、设备及介质,构建包含多类施工目标的施工现场目标检测数据集SODA,并划分为训练集、验证集和测试集;以YOLO为基准模型,集成多路径多尺度空洞卷积特征提取模块(MPFD)与自适应多层次特征融合模块(AMFF),构建基于改进YOLO的施工现场小尺度目标检测模型;并进行训练、验证和测试,最终得到适配施工现场边缘计算设备部署要求的高效小尺度目标检测模型;系统、设备及介质用于实现该方法;本发明具有检测框更精准、小目标检测精度更高、计算复杂度低、跨场景泛化能力强等技术效果。
技术关键词
多层次特征融合
卷积特征提取
训练集优化
多路径
检测模型训练
多尺度
Sigmoid函数
加权特征
施工现场数据
空洞
双线性插值
可读存储介质
通道
基准
网络
测试模块
系统为您推荐了相关专利信息
网格
检测模型训练方法
角点检测方法
画布
角点检测装置
超声波仪器
编码器模块
多任务学习策略
关键词
注意力机制
表格模板
深度神经网络训练
特征融合网络
特征提取网络
证书
二进制代码相似性检测方法
多层次特征融合
Word2Vec模型
结构特征提取
强连通分量