基于多尺度融合輕量化深度學(xué)習(xí)卷積網(wǎng)絡(luò)的目標(biāo)檢測方法

基本信息

申請?zhí)?/td> CN202111068517.0 申請日 -
公開（公告）號 CN113902971A 公開（公告）日 2022-01-07
申請公布號 CN113902971A 申請公布日 2022-01-07
分類號 G06V20/10（2022.01）I;G06V10/82（2022.01）I;G06V30/18（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 曾大治;梁若飛;章菲菲;劉英杰 申請（專利權(quán)）人 北京理工雷科電子信息技術(shù)有限公司
代理機構(gòu) 北京理工大學(xué)專利中心 代理人 田亞琪
地址 100081北京市海淀區(qū)中關(guān)村南大街5號2區(qū)683號樓理工科技大廈401
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了基于多尺度融合輕量化深度學(xué)習(xí)卷積網(wǎng)絡(luò)的目標(biāo)檢測方法，設(shè)計骨干網(wǎng)絡(luò)由兩個模塊組成：主干特征提取模塊和多尺度融合定位特征模塊；主干特征提取模塊遵循了DenseNet網(wǎng)絡(luò)沿通道維度串聯(lián)的結(jié)構(gòu)特點，使得每一層與它的所有后續(xù)層直接連接，特征可重復(fù)利用，不需要學(xué)習(xí)冗余的特征，從而降低參數(shù)量，保持網(wǎng)絡(luò)精簡高效；并且在其基礎(chǔ)上增加了雙路卷積通道方式，從而得到不同尺度的感受野；多尺度特征模塊沿用了SSD多尺度錨點框檢測機制，并在其基礎(chǔ)上加入3?way殘差模塊，把多尺度特征進行融合，增強特征的表達能力，從而檢測多尺度飛機目標(biāo)。