申请/专利权人:南京航空航天大学
申请日:2022-03-16
公开(公告)日:2022-07-01
公开(公告)号:CN114694042A
主分类号:G06V20/17
分类号:G06V20/17;G06V10/25;G06V10/774;G06V10/80;G06V10/32;G06V10/82;G06K9/62;G06N3/04;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.07.19#实质审查的生效;2022.07.01#公开
摘要:本发明公开了一种基于改进Scaled‑YOLOv4的伪装人员目标检测方法,对预先获取的伪装人员活动图像进行预处理,并划分为训练集和测试集;构建包括骨干网络、路径聚合网络和检测头的扩展跨阶段网络Scaled‑YOLOv4模型;在Scaled‑YOLOv4模型中设计一个包括两个感受野区块和两个有效通道注意力模块的自上而下路径特征增强网络结构以代替原路径聚合网络,形成改进的Scaled‑YOLOv4模型;基于改进的Scaled‑YOLOv4模型,进行伪装人员的目标检测。本发明提出的网络结构的优化可以增强伪装目标的特征图,得到伪装目标在原始图像中的位置信息,以降低网络的漏检率和误检率;且网络结构稳定,实用性强等特点,进一步提升了对树林中伪装目标图像中多尺度目标的检测精度。
主权项:1.一种基于改进Scaled-YOLOv4的伪装人员目标检测方法,其特征在于,包括以下步骤:1对预先获取的伪装人员活动图像进行预处理,并划分为训练集和测试集;2构建包括骨干网络、路径聚合网络和检测头的扩展跨阶段网络Scaled-YOLOv4模型;3在Scaled-YOLOv4模型中设计一个包括两个感受野区块和两个有效通道注意力模块的自上而下路径特征增强网络结构以代替原路径聚合网络,形成改进的Scaled-YOLOv4模型;所述感受野区块获得更加丰富的目标特征信息;所述有效通道注意力模块通过对不同特征计算不同的权重提高对目标特征信息的关注;4基于改进的Scaled-YOLOv4模型,进行伪装人员的目标检测。
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种基于改进Scaled-YOLOv4的伪装人员目标检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。