摘要
本发明公开了一种车辆检测模型训练方法及车辆检测方法,应用于目标检测领域,获取事件相机捕获得到的车辆事件流数据,对车辆事件流数据进行预处理得到标准数据;在车辆检测模型的脉冲密集神经网络中设置脉冲型通道注意力机制,用于增强任务相关特征的通道权重;将标准数据输入脉冲密集神经网络进行特征提取得到多尺度特征图;将多尺度特征图输入车辆检测模型的检测头中得到车辆检测结果,基于车辆检测结果确定的模型损失更新模型参数,得到训练完成的车辆检测模型。基于车辆检测模型进行车辆检测,通过在脉冲密集网络结构中融入脉冲型通道注意力机制来增强网络表达能力,降低通道数量剧增带来的数据冗余的影响,提高目标检测精度。
技术关键词
检测模型训练方法
事件流数据
通道注意力机制
车辆检测方法
多尺度特征
脉冲型
更新模型参数
事件相机
计算机可执行指令
检测数据输入
可读存储介质
数据冗余
网络结构
模块
系统为您推荐了相关专利信息
舆情分析方法
模态特征
文本
多尺度特征融合
多头注意力机制
特征加权融合
注意力机制
多尺度特征提取
多任务联合学习
定位方法
路径规划系统
多智能体建模
策略
通道注意力机制
机械臂路径规划方法
变化检测网络
遥感影像数据
滑动窗口法
多尺度特征学习
预处理器
实例分割方法
交叉注意力机制
高密度
融合特征
表达式