-
公开(公告)号:CN111144376B
公开(公告)日:2023-12-05
申请号:CN201911421577.9
申请日:2019-12-31
Applicant: 华南理工大学
IPC: G06V20/40 , G06V10/25 , G06V10/80 , G06V10/52 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了视频目标检测特征提取方法。所述方法包括:使用主干网络逐帧提取当前视频序列主干特征;构建多分支膨胀卷积层逐帧提取当前视频序列主干特征的多个尺度特征,通过缓冲卷积层逐帧融合主干特征和多个尺度特征,逐帧获得当前视频序列尺度感知特征;逐帧映射邻近帧的尺度感知特征至当前帧获得当前帧映射特征,聚合当前帧尺度感知特征和映射特征获得当前帧特征,使用区域生成网络生成当前帧RoIs;分别构建位置敏感和上下文敏感的RoIs特征提取网络分支分别提取当前帧RoIs特征,点乘融合两分支RoIs特征获得优化的当前帧RoIs。本发明通过解决视频目标的多尺度和形变异常问题,提高视频目标检测精度。
-
公开(公告)号:CN111144376A
公开(公告)日:2020-05-12
申请号:CN201911421577.9
申请日:2019-12-31
Applicant: 华南理工大学
Abstract: 本发明公开了视频目标检测特征提取方法。所述方法包括:使用主干网络逐帧提取当前视频序列主干特征;构建多分支膨胀卷积层逐帧提取当前视频序列主干特征的多个尺度特征,通过缓冲卷积层逐帧融合主干特征和多个尺度特征,逐帧获得当前视频序列尺度感知特征;逐帧映射邻近帧的尺度感知特征至当前帧获得当前帧映射特征,聚合当前帧尺度感知特征和映射特征获得当前帧特征,使用区域生成网络生成当前帧RoIs;分别构建位置敏感和上下文敏感的RoIs特征提取网络分支分别提取当前帧RoIs特征,点乘融合两分支RoIs特征获得优化的当前帧RoIs。本发明通过解决视频目标的多尺度和形变异常问题,提高视频目标检测精度。
-