公开(公告)号：CN116343081A

公开(公告)日：2023-06-27

申请号：CN202310152180.4

申请日：2023-02-22

Applicant: 桂林电子科技大学

Inventor： 马春波 ,  邱峰 ,  敖珺

IPC: G06V20/40 ,  G06V10/774

Abstract: 本发明公开了一种兼顾检测速度和检测准确率的目标检测方法，包括：采集数据，构建数据集；对数据集进行标注，划分为训练集、验证集和测试集；搭建目标检测网络：其由主干网络、特征融合网络和检测头组成，在主干网络部分，利用轻量化网络MobileNet v2代替YOLO v4中的CSPDarkNet53网络进行特征提取，从而获得三个初步的有效特征层，并结合协调注意力，添加一个协调注意空洞金字塔池化；使用训练集和验证集对目标检测网络进行训练；使用训练好的网络，对测试集进行测试，并对目标进行检测。此方法采用轻量化网络替换原有的深度网络，在很大程度上降低了网络的计算量和参数量，能够大大提高对物体进行目标检测的速度，从而满足实时性检测的要求。

公开(公告)号：CN115937630A

公开(公告)日：2023-04-07

申请号：CN202211573981.X

申请日：2022-12-08

Applicant: 桂林电子科技大学

Inventor： 马春波 ,  邱峰 ,  敖珺

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06V10/80 ,  G06V20/05 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于双注意力结合的目标检测方法，包括：采集数据，构建数据集；对数据集进行标注，训练集占78‑84%，验证集占6‑12%，测试集占7‑13%；搭建目标检测网络：其由主干网络、特征融合网络和检测头组成，主干网络提取出目标特征，首先经过一个包含空间注意力机制与通道注意力机制的PDAM，对目标的特征分别进行空间信息和通道信息的提取，然后将两种不同的特征信息相融合并送入后续特征融合网络和检测头中；使用训练集和验证集对目标检测网络进行训练；使用训练好的网络，对测试集进行测试，并对目标进行检测。PDAM同时获得目标的空间信息和通道信息，有效地针对生物的特点进行识别定位，发挥训练网络应用的性能从而更好地提高目标检测精度。