申请/专利权人:中国科学院计算技术研究所
申请日:2024-01-11
公开(公告)日:2024-04-09
公开(公告)号:CN117853746A
主分类号:G06V10/44
分类号:G06V10/44;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明提供一种用于目标检测的网络模型、模型训练方法及模型部署方法。模型包括:骨架网络,用于根据输入图像提取输入图像的特征,包括依次连接的切片和卷积阶段以及多个特征提取阶段,前一阶段的输出是后一阶段的输入;每个特征提取阶段包括多个串联的基于深度可分离卷积与残差连接的第二卷积模块,第二卷积模块采用深度可分离卷积的方式进行卷积计算;特征融合网络,用于根据通道级融合模块和哈达玛积运算融合模块将输入图像的特征逐级融合,得到新的特征图;检测头网络,用于根据新的特征图输出目标图像及其类别。本发明针对当前网络参数量大、对设备算力要求高的问题,在网络设计模块将主干网络更加轻量化,加快模型的训练和推理过程同时,提高网络的检测能力。
主权项:1.一种用于图像目标检测的网络模型,其特征在于,包括:骨架网络,用于根据输入图像提取所述输入图像的特征,包括依次连接的切片和卷积阶段以及多个特征提取阶段,其中,前一阶段的输出是后一阶段的输入;所述每个特征提取阶段包括多个串联的基于深度可分离卷积与残差连接的第二卷积模块,所述第二卷积模块采用深度可分离卷积的方式进行卷积计算;基于多尺度通道注意力的特征融合网络,包括通道级融合模块和哈达玛积运算融合模块,用于根据所述通道级融合模块和所述哈达玛积运算融合模块将所述输入图像的特征逐级融合,得到新的特征图;检测头网络,用于根据所述新的特征图输出目标图像及其类别。
全文数据:
权利要求:
百度查询: 中国科学院计算技术研究所 用于目标检测的网络模型、模型训练方法及模型部署方法
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。