公开(公告)号：CN115861730A

公开(公告)日：2023-03-28

申请号：CN202211387235.1

申请日：2022-11-07

Applicant: 桂林电子科技大学

Inventor： 马春波 ,  钱黎金 ,  敖珺

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于背景信息补偿的目标检测方法，包括采集数据，构建数据集；标注数据集，训练集占81%，验证集占9%，测试集占10%；搭建目标检测网络，目标检测网络分为训练网络和测试网络；训练网络：使用训练集和验证集对训练网络进行训练；目标检测测试，并对物种进行检测。本发明在一阶段目标检测算法YOLO v3上进行改进，将第轮训练得到的模型信息对第轮训练过程中的背景知识进行弥补。本发明能够在复杂的环境中，有效地针对生物的特点进行目标识别定位；在进行目标检测任务时，具有一定的稳定性，能够在一定程度上提高检测网络的识别生物物种的准确度。

公开(公告)号：CN117853857A

公开(公告)日：2024-04-09

申请号：CN202410071599.1

申请日：2024-01-17

Applicant: 桂林电子科技大学

Inventor： 马春波 ,  钱黎金 ,  敖珺

IPC: G06V10/80 ,  G06V10/52 ,  G06V10/44 ,  G06V10/82 ,  G06V10/25 ,  G06N3/0464

Abstract: 本发明公开了一种特征融合方法及基于该方法的目标识别方法，所述特征融合方法包括特征融合网络；所述特征融合网络将主干网络中提取到的不同尺寸大小的特征图进行特征融合，将浅层网络的特征图信息与深层网络的特征图信息进行融合；由融合后的特征图再经过卷积形成检测头。本发明在一阶段目标检测算法YOLO V3上进行改进，将浅层网络特征与深层网络特征进行融合。这种特征融合方法能够将浅层网络特征与深层网络特征进行融合，最大程度上避免浅层网络信息的丢失；在进行目标识别任务时，能够在一定程度上提高网络识别目标的准确度。