一种基于改进Scaled-YOLOv4的伪装人员目标检测方法
基本信息
| 申请号 | CN202210256543.4 | 申请日 | - |
| 公开（公告）号 | CN114694042A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114694042A | 申请公布日 | 2022-07-01 |
| 分类号 | G06V20/17（2022.01）I;G06V10/25（2022.01）I;G06V10/774（2022.01）I;G06V10/80（2022.01）I;G06V10/32（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 许彬;王从庆;刘杨 | 申请（专利权）人 | 南京航空航天大学 |
| 代理机构 | 南京苏高专利商标事务所（普通合伙） | 代理人 | - |
| 地址 | 210016江苏省南京市秦淮区御道街29号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于改进Scaled‑YOLOv4的伪装人员目标检测方法，对预先获取的伪装人员活动图像进行预处理，并划分为训练集和测试集；构建包括骨干网络、路径聚合网络和检测头的扩展跨阶段网络Scaled‑YOLOv4模型；在Scaled‑YOLOv4模型中设计一个包括两个感受野区块和两个有效通道注意力模块的自上而下路径特征增强网络结构以代替原路径聚合网络，形成改进的Scaled‑YOLOv4模型；基于改进的Scaled‑YOLOv4模型，进行伪装人员的目标检测。本发明提出的网络结构的优化可以增强伪装目标的特征图，得到伪装目标在原始图像中的位置信息，以降低网络的漏检率和误检率；且网络结构稳定，实用性强等特点，进一步提升了对树林中伪装目标图像中多尺度目标的检测精度。 |
