首页/ 北京理工雷科电子信息技术有限公司/ 专利详情

基于多尺度融合轻量化深度学习卷积网络的目标检测方法

基本信息

申请号 CN202111068517.0 申请日 -
公开（公告）号 CN113902971A 公开（公告）日 2022-01-07
申请公布号 CN113902971A 申请公布日 2022-01-07
分类号 G06V20/10（2022.01）I;G06V10/82（2022.01）I;G06V30/18（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分类 计算；推算；计数;
发明人 曾大治;梁若飞;章菲菲;刘英杰 申请（专利权）人 北京理工雷科电子信息技术有限公司
代理机构 北京理工大学专利中心 代理人 田亚琪
地址 100081北京市海淀区中关村南大街5号2区683号楼理工科技大厦401
法律状态 -

摘要

摘要 本发明公开了基于多尺度融合轻量化深度学习卷积网络的目标检测方法，设计骨干网络由两个模块组成：主干特征提取模块和多尺度融合定位特征模块；主干特征提取模块遵循了DenseNet网络沿通道维度串联的结构特点，使得每一层与它的所有后续层直接连接，特征可重复利用，不需要学习冗余的特征，从而降低参数量，保持网络精简高效；并且在其基础上增加了双路卷积通道方式，从而得到不同尺度的感受野；多尺度特征模块沿用了SSD多尺度锚点框检测机制，并在其基础上加入3‑way残差模块，把多尺度特征进行融合，增强特征的表达能力，从而检测多尺度飞机目标。