CN119516179A 基于解耦detr的目标检测错误修复方法 （浙大城市学院）_第1页
CN119516179A 基于解耦detr的目标检测错误修复方法 （浙大城市学院）_第2页
CN119516179A 基于解耦detr的目标检测错误修复方法 （浙大城市学院）_第3页
CN119516179A 基于解耦detr的目标检测错误修复方法 （浙大城市学院）_第4页
CN119516179A 基于解耦detr的目标检测错误修复方法 （浙大城市学院）_第5页
已阅读5页，还剩15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

本发明涉及基于解耦DETR的目标检测错误解耦后的模型允许更细致地调整边界框的生成和类别的预测，从而显著提高目标检测的准确22.根据权利要求1所述的基于解耦DETR的目标检测错误修复方法，其特征在于，S2包S202、根据解码器多头互注意力部分中各个头3.根据权利要求2所述的基于解耦DETR的目标检测错误修复方法，其特征在于，S3包S303、使用目标检测回归部分的输出和所述类别4.根据权利要求3所述的基于解耦DETR的目标检测错误修复方法，其特征在于，S4包5.根据权利要求4所述的基于解耦DETR的目标检测错误修复方法，其特征在于，S4016.根据权利要求5所述的基于解耦DETR的目标检测错误修复方法，其特征在于，S4027.基于解耦DETR的目标检测错误修复系统，其特第一获取模块，用于给定预训练主干和输入图第二获取模块，用于根据所述输入图像，通过目标检测34用于自然语言处理任务的Transformer架构应用于目标检测任务，从而改变了传统的检测[0004]尽管DETR具有诸多优点，但原始DETR模型在处理对象查询时仍存在一些局限定对象的位置和大小从而导致模型行为难以解释，尤其在发生分类或边界框的错误时，5过程中出现的错误进行修正。解耦后的模型允许更细致地调整边界框的生成和类别的预6图3为本申请实施例提供的基于解耦DETR的目标检测错误修复系统的结构示意为解决现有技术的问题，本申请实施例1提供了一种基于解耦DETR的目标检测错框的生成分为创建参考框和基于互注意力头与边界关系生成各边偏移，并可以针对解耦部分都由多层多头自注意力和多头互注意力组成。本发明使用了基于DETR的目标检测实[0024]多头自注意力是多头注意力（MHA）的变体，定义多头注意力的输出公式如下：7移b,的计算首先由位置查询qp与编码器输出m进行多头互注意力并选取其中边界有关8[0034]通过S201_S203的解耦过程，目标检测模型能够更有效地利用图像特征和位置信9难类别查询复制连接到原类别查询末尾来增加所述困难类别对应的

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