摘要
本发明公开了一种道路异常检测方法,特点是先构建道路异常检测模型,并对其进行训练,得到训练后的道路异常检测模型;然后将待检测的道路场景图像输入到训练后的道路异常检测模型中,得到检测结果;其中,道路异常检测模型由依次连接的骨干网络、颈部网络以及检测头组成;骨干网络包括CBS层、C3层、位置调制注意力模块和主动视觉随动多尺度特征提取模块;优点是通过位置调制注意力模块有效捕捉长距离依赖关系进行精准定位并增强场景适应能力,提高了在复杂道路背景下弱特征目标检测的能力;主动视觉随动多尺度特征提取模块通过固定待检测目标位置条件下,主动调整视距以多感受野方式进行多尺度特征提取,缓解了单一尺度方法的局限性。
技术关键词
道路异常检测模型
多尺度特征提取
异常检测方法
卷积特征提取
道路场景图像
融合特征
注意力
加权特征
细粒度特征
调制特征
基础
多层次特征融合
多尺度感知
前馈神经网络
矩阵
模块
检测头
系统为您推荐了相关专利信息
异常检测方法
模糊核聚类
粒子群优化算法
SMOTE算法
最佳聚类数目
单目深度估计方法
监督深度学习
局部细节特征
多尺度特征提取
深度图
温度预测方法
通道注意力机制
输出特征
噪声数据
随机噪声
高层语义特征
嵌入特征
图像解码器
模块
图像编码器
装载运输设备
控制调度系统
调控模型
水文参数
矿石