-
公开(公告)号：CN113627504B
公开(公告)日：2022-06-14
申请号：CN202110878261.3
申请日：2021-08-02
Applicant: 南京邮电大学
Abstract: 本发明公开了基于生成对抗网络的多模态多尺度特征融合目标检测方法，将可见光摄像设备和红外光摄像设备生成的图像分别传入到并行的预训练Darknet53网络中，尽可能提取出各自图像中深层次的特征数据，并在最后三个残差网络中提取出三种不同尺度的特征图，将两种模态多尺度的特征图传递给特征融合模块；使用基于条件生成对抗网络中预训练出的生成器将多模态多尺度的特征图进行深层次融合，使原始可见光模态的特征图中注入更多的目标特征信息；最后将生成的多尺度多模态融合特征图依次级联并传递到各个YOLO层完成目标检测任务。本发明可以产生最大程度接近于真实状况下的融合特征向量，从而提高目标检测模型在夜间环境下的检测效果。
-
公开(公告)号：CN113627504A
公开(公告)日：2021-11-09
申请号：CN202110878261.3
申请日：2021-08-02
Applicant: 南京邮电大学
Abstract: 本发明公开了基于生成对抗网络的多模态多尺度特征融合目标检测方法，将可见光摄像设备和红外光摄像设备生成的图像分别传入到并行的预训练Darknet53网络中，尽可能提取出各自图像中深层次的特征数据，并在最后三个残差网络中提取出三种不同尺度的特征图，将两种模态多尺度的特征图传递给特征融合模块；使用基于条件生成对抗网络中预训练出的生成器将多模态多尺度的特征图进行深层次融合，使原始可见光模态的特征图中注入更多的目标特征信息；最后将生成的多尺度多模态融合特征图依次级联并传递到各个YOLO层完成目标检测任务。本发明可以产生最大程度接近于真实状况下的融合特征向量，从而提高目标检测模型在夜间环境下的检测效果。
-
Search Results
2
records
(took 0.015 seconds)
