申请/专利权人：浙江工商大学

申请日：2024-01-12

公开（公告）日：2024-04-12

公开（公告）号：CN117876774A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/42;G06V10/80;G06V10/82;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于多分支特征融合和重参数化的高速目标检测方法。本发明首先读取高速运动下的目标图像，然后将图像输入到网络模型中进行推理，通过网络推理出图像中的目标并进行标注。本发明通过对Yolov7中的E‑ELAN结构进行改进得到IM‑ELAN结构，不仅通过多分支特征融合得到更全面更丰富的特征表示，并且通过池化层减少了多头自注意力的参数量与计算量，最后使用重参数化在不影响速度的前提下帮助模型提取多尺度的局部特征，增强模型对目标在不同尺寸中表现出的形态理解，从而提升了高速形变目标的检测效果，满足现实生活中对高速目标的实际检测需求。

主权项：1.基于多分支特征融合和重参数化的高速目标检测方法，其特征在于该方法包括以下在步骤：步骤1、获取高速形变目标数据集；步骤2、改进yolov7的网络模型中的E-ELAN结构，用于提升模型对高速目标的检测效果；所述的E-ELAN结构主要由四个分支组成，在第一个分支增加IM模块，其余三个分支为卷积提取分支，对由四个分支提取到的特征进行融合；所述的IM模块包括IMA子模块和MSCR子模块，IMA子模块通过多头自注意力机制直接处理输入元素之间的任意两对关系；MSCR子模块在不影响推理速度的前提下，帮助模型提取多尺度的局部信息；步骤3、在COCO大型目标检测数据上训练改进后的yolov7网络，获得预训练模型；步骤4、基于预训练模型，在高速形变目标数据集上训练出最终模型；步骤5、将待检测的可能包含高速形变目标的图像输入最终模型，进行高速目标的检测。

全文数据：

权利要求：

百度查询： 浙江工商大学 基于多分支特征融合和重参数化的高速目标检测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD