第二届雷达学报博士论坛 | 基于深度神经网络的SAR图像目标识别方法研究 5601 1 7:21 App SAR图像飞机目标检测与识别 687 -- 2:25 App 基于特征转移金字塔网络的SAR图像跨尺度目标检测 213 -- 1:34 App 论文短视频 | 高时相星载序贯SAR图像运动目标检测方法 1370 -- 2:15 App 论文短视频 | 一种改进...
在该方面,研究者们已做大量研究工作表明深度学习在SAR船舶目标检测中的适用性,检测流程如图1所示,通过设计不同的网络在真实SAR图像中利用滑窗方式进行检测。然而大部分网络都基于锚框概念设计,存在预设锚框参数带来的调参负担以及大量锚框...
锚框是由数据集预处理产生的一种超参数，通过预先规范检测框的形状来提高网络召回率和精度。虽然使用锚框可以在一定程度上的优化算法性能，但是其存在并不符合人眼视觉特性，也不利于算法的泛化。因此，设计基于无锚框的算法实现目标检测已经成为该领域的重要方向。对于单阶段目标检测算法，基于锚框的算法有 基于无锚框...
摘要利用机器学习方法进行茶叶嫩芽识别有助于茶叶生产的全程智能化.目前的嫩芽识别方法依赖复杂的预处理，导致嫩芽识别效率普遍不高.基于无锚框检测网络CenterNet，提出了一种无需预处理的高速茶叶嫩芽识别方法.针对CenterNet特征提取网络规模过大、识别速度过低的问题，将其特征提取网络替换为ResNet-50.利用改进后的...
1.一种基于无锚框检测网络改进的车辆检测方法,其特征在于,包括以下形成步骤: 步骤一,将图像输入到网络中,通过特征提取模块对输入图像进行特征提取,得到特征图; 步骤二,对所述特征图输入给特征融合模块,将低维特征与高维特征进行特征融合,得到特征融合后特征图; 步骤三,对所述特征融合后的特征图输入给无锚框检测网...
企查查为您提供一种基于单阶段无锚框检测网络的小目标检测方法专利信息查询,包括专利申请人、申请日期、申请进度,以及显示图片的方法及装置专利发明人信息。更多专利信息查询就上企查查!
基于卷积注意力模块和无锚框检测网络的行人跟踪算法张红颖 * 贺鹏艺(中国民航大学电子信息与自动化学院 天津 300300)摘 要:针对多目标跟踪过程中遮挡严重时的目标身份切换、跟踪轨迹中断等问题,该文提出一种基于卷积注意力模块 (CBAM)和 无锚框(anchor-free)检测网络的行人跟踪算法。首先,在高分辨率特征提取网络...
本发明公开了一种基于无人机及无锚框网络的车辆检测方法,针预先获取无人机高度信息,采集无人机航拍图像,保存每张图像的高度信息,形成训练集和测试集;建立相机模型,通过高度信息计算出车辆尺度;设计特征提取网络,将深层网络和浅层网络进行融合,提取车辆特征;采用无锚框的检测网络,基于CenterNet网络对特征图进行识别检测...
针对多目标跟踪过程中遮挡严重时的目标身份切换,跟踪轨迹中断等问题,该文提出一种基于卷积注意力模块 (CBAM)和无锚框(anchor-free)检测网络的行人跟踪算法.首先,在高分辨率特征提取网络HrnetV2的基础上,对stem阶段引入注意力机制,以提取更具表达力的特征,从而加强对重识别分支的训练;其次,为了提高算法的运算速度,使...
激光雷达目标检测领域近年来开始借鉴图像目标检测的网络设计, 但依然存在计算低效无法满足实时应用以及网络结构简单导致性能不足的问题. 所提网络采用了单阶段无锚框的简洁设计; 优化了激光点云体素化表达, 在提升计算效率的同时保留了一部分点云高程特征; 基于残差网络的思想, 设计了更深的主干网络结构用于提取深度特征...