-
公开(公告)号：CN111476252A
公开(公告)日：2020-07-31
申请号：CN202010257831.2
申请日：2020-04-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向计算机视觉应用的轻量化无锚框目标检测方法，包括如下步骤：将输入图片通过轻量化的主干网络提取特征；利用轻量化主干网络中的一部分特征图构建轻量化特征金字塔结构；将特征金字塔上每层特征图的每个像素点坐标映射回原图，得到所有预测边框的中心点坐标；特征金字塔每层特征图后都连接轻量化预测分支，以获取预测边框信息；将图片通过网络，由所有预测分支得到的预测边框信息解码和计算得到所有预测边框；进行非极大值抑制得到最终检测识别结果。本发明采用无锚框设计思想，消除了锚框带来的所有人工设计超参数和复杂计算从而节省训练时的内存占用，并结合特征金字塔结构提高模型对各尺度目标敏感度从而提升检测精度。
-
公开(公告)号：CN111476252B
公开(公告)日：2022-07-29
申请号：CN202010257831.2
申请日：2020-04-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向计算机视觉应用的轻量化无锚框目标检测方法，包括如下步骤：将输入图片通过轻量化的主干网络提取特征；利用轻量化主干网络中的一部分特征图构建轻量化特征金字塔结构；将特征金字塔上每层特征图的每个像素点坐标映射回原图，得到所有预测边框的中心点坐标；特征金字塔每层特征图后都连接轻量化预测分支，以获取预测边框信息；将图片通过网络，由所有预测分支得到的预测边框信息解码和计算得到所有预测边框；进行非极大值抑制得到最终检测识别结果。本发明采用无锚框设计思想，消除了锚框带来的所有人工设计超参数和复杂计算从而节省训练时的内存占用，并结合特征金字塔结构提高模型对各尺度目标敏感度从而提升检测精度。
-
公开(公告)号：CN110197152B
公开(公告)日：2022-08-26
申请号：CN201910454059.0
申请日：2019-05-28
Applicant: 南京邮电大学
IPC: G06V20/58 , G06V10/80 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种用于自动驾驶系统的道路目标识别方法，包括如下步骤：调整输入图片大小；通过主干网络提取图片特征；通过扩张卷积模块进行下采样；基于部分特征图构建特征金字塔结构；在特征金字塔结构和下采样所得的尺度不同的特征图上生成锚框；将图片通过网络得到边界框相对于锚框的偏移值，对其进行解码得到边界框；对这些边界框进行降序排列和非极大值抑制得到最终检测识别结果；在训练部分，利用平滑化的绝对值损失函数和平衡前背景样本类别的加权平均损失函数对该网络进行训练。本发明显著增大了网络浅层的感受野，满足了识别小目标时对空间分辨率的需求；本发明充分利用全部的前背景样本来训练网络，具有很好的普适性和广泛的应用前景。
-
公开(公告)号：CN110197152A
公开(公告)日：2019-09-03
申请号：CN201910454059.0
申请日：2019-05-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种用于自动驾驶系统的道路目标识别方法，包括如下步骤：调整输入图片大小；通过主干网络提取图片特征；通过扩张卷积模块进行下采样；基于部分特征图构建特征金字塔结构；在特征金字塔结构和下采样所得的尺度不同的特征图上生成锚框；将图片通过网络得到边界框相对于锚框的偏移值，对其进行解码得到边界框；对这些边界框进行降序排列和非极大值抑制得到最终检测识别结果；在训练部分，利用平滑化的绝对值损失函数和平衡前背景样本类别的加权平均损失函数对该网络进行训练。本发明显著增大了网络浅层的感受野，满足了识别小目标时对空间分辨率的需求；本发明充分利用全部的前背景样本来训练网络，具有很好的普适性和广泛的应用前景。
-
-
-
Search Results
4
records
(took 0.019 seconds)
