申请/专利权人:陕西域览九州智能光电科技有限公司
申请日:2023-09-12
公开(公告)日:2023-11-28
公开(公告)号:CN117132912A
主分类号:G06V20/17
分类号:G06V20/17;G06V10/764;G06V10/774;G06V10/25
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.15#实质审查的生效;2023.11.28#公开
摘要:本发明公开了一种基于可学习提议和激活图的小目标识别方法,包括:构建小目标识别网络,该小目标识别网络包括骨干网络、特征金字塔网络、激活图生成网络、尺度分离可学习提议模块和动态头,其中,骨干网络和特征金字塔网络用于获得具有不同尺度和语义信息的多级特征图,激活图生成网络用于获得不同尺度等级的激活图;尺度分离可学习提议模块用于通过可学习提议框提取特征图上的感兴趣区域特征,并通过动态头生成新的可学习提议,不断细化得到识别结果;对小目标识别网络进行训练;将原始图像输入训练后的小目标识别网络,获得识别结果。本发明提出一种一阶段的端到端的小目标检测框架,大大简化了小目标检测框架并提高检测效率。
主权项:1.一种基于可学习提议和激活图的小目标识别方法,其特征在于,包括:构建基于可学习提议和激活图的小目标识别网络,所述小目标识别网络包括骨干网络、特征金字塔网络、激活图生成网络、尺度分离可学习提议模块和动态头,其中,所述骨干网络和所述特征金字塔网络用于获得原始图像具有不同尺度和语义信息的多级特征图,所述激活图生成网络用于对所述多级特征图进行处理,获得不同尺度等级的激活图;所述尺度分离可学习提议模块用于在所述激活图的引导下通过可学习提议框提取不同尺度等级的特征图上的感兴趣区域特征,并通过将所述感兴趣区域特征与可学习提议特征进行交互,然后通过所述动态头生成新的可学习提议,通过不断细化可学习提议最终得到识别结果;利用训练数据集对所述小目标识别网络进行训练,获得训练后的小目标识别网络;将待识别的原始图像输入所述训练后的小目标识别网络,获得识别结果。
全文数据:
权利要求:
百度查询: 陕西域览九州智能光电科技有限公司 基于可学习提议和激活图的小目标识别方法
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。