公开(公告)号：CN113420706B

公开(公告)日：2022-05-24

申请号：CN202110755187.6

申请日：2021-07-05

Applicant: 吉林大学

Inventor： 王玉 ,  李涵宇 ,  申铉京 ,  黄永平 ,  刘同壮

IPC: G06V20/54 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G08G1/017 ,  G06N3/04

Abstract: 本发明公开了一种基于多层特征融合的车辆检测方法，包括如下步骤：步骤一：获取带有标注的车辆检测数据集；步骤二：针对训练集中车辆的尺寸重新设计先验框大小；步骤三：使用YOLO v4的主干特征提取网络CSPdarknet 53，将提取到的四个不同尺度的特征作为输入传入多层特征融合网络，经过两次多层特征融合网络，将输出的三个不同尺度特征图传入分类回归预测网络得到最终预测结果；步骤四：训练网络模型并测试网络性能。因此本发明能够提高网络对于小目标车辆的检测准确率并提高了检测速度。

公开(公告)号：CN113420706A

公开(公告)日：2021-09-21

申请号：CN202110755187.6

申请日：2021-07-05

Applicant: 吉林大学

Inventor： 王玉 ,  李涵宇 ,  申铉京 ,  黄永平 ,  刘同壮

IPC: G06K9/00 ,  G06K9/62 ,  G08G1/017 ,  G06N3/04

Abstract: 本发明公开了一种基于多层特征融合的车辆检测方法，包括如下步骤：步骤一：获取带有标注的车辆检测数据集；步骤二：针对训练集中车辆的尺寸重新设计先验框大小；步骤三：使用YOLO v4的主干特征提取网络CSPdarknet 53，将提取到的四个不同尺度的特征作为输入传入多层特征融合网络，经过两次多层特征融合网络，将输出的三个不同尺度特征图传入分类回归预测网络得到最终预测结果；步骤四：训练网络模型并测试网络性能。因此本发明能够提高网络对于小目标车辆的检测准确率并提高了检测速度。