公开(公告)号：CN117765367A

公开(公告)日：2024-03-26

申请号：CN202311719915.3

申请日：2023-12-14

Applicant: 重庆邮电大学

Inventor： 李国权 ,  何斌 ,  林金朝 ,  庞宇 ,  朱宏钰

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/80 ,  G06V10/764 ,  G06V10/52

Abstract: 本发明涉及一种遮挡物体检测能力增强的实时目标检测方法，其特征在于：包括以下步骤：S1：构建图像数据训练集；S2：设计卷积神经网络的主干结构，对训练集进行特征提取，使提取特征具备归纳偏置特性；S3：设计检测颈部网络，在检测主干网络及头部网络间进行过渡，为检测头部网络提供高分辨率和高语义特征，并且压缩部分层的通道维数；S4：设计检测头部网络，加强检测头分支之间信息交互增强检测模型对边界周围信息的利用效果，通过对概率预测对图像中存在的目标类别及坐标进行表征；S5：通过适用于边界概率预测的训练方法进行训练；S6：在自然数据集上进行检测，并对预测结果利用非极大值抑制算法进行筛选。

公开(公告)号：CN114842316A

公开(公告)日：2022-08-02

申请号：CN202210508625.3

申请日：2022-05-10

Applicant: 重庆邮电大学

Inventor： 李国权 ,  何斌 ,  夏瑞阳 ,  林金朝 ,  庞宇 ,  朱宏钰

IPC: G06V10/82 ,  G06V10/80 ,  G06V10/774 ,  G06V10/764 ,  G06N3/04

Abstract: 本发明请求保护一种结合卷积神经网络及Transformer网络的实时目标检测方法，属于图像处理领域。包括以下步骤：S1:输入图像数据；S2：图像通过卷积神经主干网络，使提取特征具备归纳偏置特性；S3：设计检测颈部网络，在检测主干网络及头部网络间进行过渡，为检测头部网络提供高分辨率和高语义特征。S4：设计检测头部网络，在头部网络中引入Transformer,为生成的局部特征间构建多个远程依赖关系，并对图像中存在的目标类别及坐标进行表征；S5:设计一种非线性组合方法，用于减少假阴性样本，提升检测模型对目标的捕获能力；S6：在自然数据集上进行检测。基于该方法，在具有挑战性的PASCAL VOC 2007、2012和MS COCO 2017数据集上实现较好的性能，并且优于许多较为先进的实时检测方法。