CN114821106B 一种基于特征金字塔的圣女果检测识别方法 （浙江工业大学）_第1页
CN114821106B 一种基于特征金字塔的圣女果检测识别方法 （浙江工业大学）_第2页
CN114821106B 一种基于特征金字塔的圣女果检测识别方法 （浙江工业大学）_第3页
CN114821106B 一种基于特征金字塔的圣女果检测识别方法 （浙江工业大学）_第4页
CN114821106B 一种基于特征金字塔的圣女果检测识别方法 （浙江工业大学）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于特征金字塔的圣女果检测识别方法一种基于特征金字塔的圣女果检测识别方字塔，将不同层次特征中的差异性信息进行融合，消除不同特征之间相关性而产生的冗余信FocalLoss减少正负样本不平衡问题，并结合2输出特征f统一通道数后融合得到特征f1，f1再经核大小为3×3卷积操作得到特征金字塔再由f2经核大小为3×3卷积操作得到特征金字塔P4；C3经核大小为1×1卷积操作得到的每个先验框的4个空间位置的偏移量回归到附近的3CIoU定义为检测框和目标框的惩罚项，ρ2(b,bgt)为两框的中心点之间的欧式距4所述步骤7中，网络参数更新采用了随机梯度下降方法(SGD)进行优化，其中动量设定为5速精准识别方法研究具有较大的研究意义和应[0003]目前基于深度神经网络的圣女果检测识别方法在算法性能及准确度上都优于传度的圣女果特征图。主干网络分为5层，第一层C1由核大小为7×7卷积层、BN归一化层和6经一次核大小为3×3卷积操作得到特征金字塔P6；C5经核大小为1×1卷积操作得到的C5’与输出特征f统一通道数后融合得到特征f1，f1再经核大小为3×3卷积操作得到特征金字络都是由3个卷积核大小为3×3的卷积层构成的全连接结构，以特征金字塔的输出作为输网会将每个先验框的4个空间位置的偏移量回归到附近的真实[0015]S2.计算圣女果图像数据集中真实目标的标注框尺寸与每一个聚类中心点的距离j表示第j个标注框宽度。t7wgtgt[0041]下面对本发明的实施方式进行更为具体的描述，所述实施方式的流程图在附图18中展示。通过参考附图1描述的实施方案仅用于解释本发明，而不能解释为对本发明的限1卷积组成残差块结构为基础，利用残差结构较强的特征提取能力来获取不同尺度的圣女经一次核大小为3×3卷积操作得到特征金字塔P6；C5经核大小为1×1卷积操作得到的C5’与输出特征f统一通道数后融合得到特征f1，f1再经核大小为3×3卷积操作得到特征金字络都是由3个卷积核大小为3×3的卷积层构成的全连接结构，以特征金字塔的输出作为输网会将每个先验框的4个空间位置的偏移量回归到附近的真实[0053]2.计算圣女果图像数据集中真实目标的标注框尺寸与每一个聚类中心点的距离9j表示第j个标注框宽度。twgtgt更新采用了随机梯度下降方法(SGD)进行优化，其中动量设定为0.9，权重衰减设定为[0074]同时将本发明所提出的方法与其他几种经典的目标检测方法在同

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论