CN119418085A 一种弱小移动目标的快速检测与鲁棒跟踪方法 （湖南中科助英智能科技研究院有限公司）_第1页
CN119418085A 一种弱小移动目标的快速检测与鲁棒跟踪方法 （湖南中科助英智能科技研究院有限公司）_第2页
CN119418085A 一种弱小移动目标的快速检测与鲁棒跟踪方法 （湖南中科助英智能科技研究院有限公司）_第3页
CN119418085A 一种弱小移动目标的快速检测与鲁棒跟踪方法 （湖南中科助英智能科技研究院有限公司）_第4页
CN119418085A 一种弱小移动目标的快速检测与鲁棒跟踪方法 （湖南中科助英智能科技研究院有限公司）_第5页
已阅读5页，还剩17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

一种弱小移动目标的快速检测与鲁棒跟踪本发明公开了一种弱小移动目标的快速检中的主体结构为YOLOv5网络结构，其中对所述YOLOv5网络结构的主干网络结构及预测头结构2基于YOLOv5网络模型构建小目标检测网络，其中所述小目标检测获取图像视频数据，通过小目标检测网络对所述图像视频数将所述YOLOv5网络结构的主干网络结构替换为MobileNetV3网络结构，并将主干网络所述MobileNetV3网络结构中包含有沙漏模块，其中所述沙漏模块包括两个连续倒残在所述YOLOv5网络结构中每个卷积层后添加CBAM模块，其中所述C对调整后的YOLOv5网络结构进行训练过程中，对分类损失函数进对调整后的YOLOv5网络结构进行训练过程中，对回归损失函数进3极少的小目标。弱小移动目标的智能检测与跟踪是计算机视觉领域中一个重要的研究课高检测的准确度，刘思远等人在文献《SmallTargetDetectionforUnmannedAerial4现在研究人员的主要研究内容。高天宇等人在文献《SmallObjectDetectionMethod[0009]为实现上述目的，本发明提供了一种弱小移动目标的快[0013]将所述YOLOv5网络结构的主干网络结构替换为MobileNetV3网络结构，并将主干[0014]所述MobileNetV3网络结构中包含有沙漏模块，其中所述沙漏模块包括两个连续5所述CBAM模块由通道注意力机制及空间注意力机[0021]其中，FL(pt)表示Fo[0024]其中，LCIoU表示CIoU交并比函数的损失值，IoU表示给定两个形状交集和并集之6能力和鲁棒性不足等缺点，本发明提出了一种基于YOLOv5+DeepSORT的轻型多目标检测与[0045]该部分的改进是本发明首次提出的，这里主要是为了适应小目标检测而将主干量级主干网络结构经过特殊设计和优化，可以更好地适应小目标的特征表示和检测需求。7相比于传统的主干网络结构，轻量级主干网络结构可以更有效地捕捉小目标的细节特征，[0046]改进细节是将YOLOv5_6.1的backbone部分替换为了带有沙漏(Sandglass)块的[0047]其中MobileNetV3是一种轻量级神经网络，具有较低的参数数量和计算开销，该[0051]为目标检测的网络模型中添加注意力机制可以有效地提高模型的准确性和鲁棒8[0061]其中，FL(pt)表示Fo进一步扩展，考虑了边界框长宽比的影响，更全面地衡量了边界框之间的重叠情况。在Yolov5中使用CIoU损失函数替代边界框回归损失函数的一部分，以取代原来的MSE损失函9[0065]其中，LCIoU表示CIoU交并比函数的损失值，IoU表示给定两个形状交集和并集之

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