摘要
本发明涉及一种基于可变形特征感知Transformer与旋转边界框的柔性物体检测方法,属于柔性物体检测领域。所述方法,包括:构建柔性物体检测模型,柔性物体检测模型以CSPDarknet53作为骨干网络,并融合基于可变形特征感知Transformer的注意力机制,检测头采用旋转边界框RBB和广义交并比GIoU边界框损失函数;采用柔性物体图像数据集对柔性物体检测模型进行训练,得到训练后的柔性物体检测模型,并对实际场景中的待检测柔性物体图像进行检测,输出柔性物体检测结果。本发明能够充分利用空间自适应特征采样策略与旋转感知机制,融合细粒度的特征表示与灵活的边界建模能力,实现对旋转柔性物体的高精度检测,从而满足复杂场景下的实际应用需求。
技术关键词
物体检测方法
物体检测模型
变形特征
柔性
解码器架构
卷积模块
残差结构
编码器
多尺度特征融合
注意力机制
CSP结构
参数化技术
策略
广义
深度学习技术
查询机制
检测头