买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：一种基于多感受野和深度卷积神经网络的弱小目标检测方法。首先通过机载或车载摄像头获取序列图像；然后使用多感受野特征提取算法对每一帧图像进行特征提取，在不增加参数量的情况下获得混合感受野特征；随后将混合感受野特征送入深度卷积神经网络进行深度特征提取；接着使用多感受野特征聚合算法对深度特征进行不同范围上下文信息的提取与整合，输出一组多感受野聚合特征；再将感受野聚合特征送入改进的路径聚合网络进行多尺度融合，输出一组深度融合特征；最后对深度融合特征分别进行弱小目标框位置的回归和类别的判定。本发明可准确检测出图像或视频中的弱小目标并正确分类，为后续弱小目标检测与识别领域的研究提供支持。

主权项：1.一种基于多感受野与深度特征的弱小目标检测方法，其特征在于，包括以下步骤：S1：通过机载或车载摄像头获取序列图像；S2：使用多感受野特征提取算法对输入的每一帧图像I进行特征提取，在不增加参数量的情况下获得混合感受野特征；其中，所述多感受野特征提取算法包括：S21：使用四个并联的膨胀系数不同的膨胀卷积块DC1,DC2,DC3,DC4分别对初始输入图像提取多层次特征；S22：将S21得到的四组特征合并成一组特征；S23：将S22得到的一组特征送入由一个3×3卷积层，一个BN层以及一个SiLu层级联组成模块中，输出混合感受野特征；S3：将S2得到的混合感受野特征送入深度卷积神经网络进行深度特征提取，得到特征图p'2、p'4、p'8、p1'6；S4：使用多感受野特征聚合算法对S3得到的深度特征进行不同范围上下文信息的提取与整合，输出一组多感受野聚合特征f1*；其中，所述多感受野特征聚合算法包括：S41：将深度卷积神经网络得到的特征图p1'6依次通过四个级联的不同膨胀比率的膨胀卷积块；S42：将S41中各个膨胀卷积块输出的四组特征拼接成一组特征；S43：使用一个1×1卷积层调整S42中输出特征各通道的权值；S5：将S4得到的多感受野聚合特征f1*与深度卷积神经网络得到的特征图p'4、p'8送入改进的路径聚合网络进行多尺度融合，输出一组深度融合特征fu；其中，所述多尺度融合包括：S51：对S4得到的多感受野聚合特征f1*进行上采样操作，输出p'8'；S52：将深度卷积神经网络得到的特征图p'8与S51得到的p'8'进行拼接后送入一个C3模块，输出一组混合尺度特征；S53：使用多感受野特征聚合算法对S52得到的混合尺度特征进行上下文信息的提取与整合，输出一组多感受野聚合特征S54：对S53得到的进行上采样操作，输出p'4'；S55：将深度卷积神经网络得到的特征图p'4与S54得到的p'4'进行拼接后送入一个C3模块，输出一组深度融合特征fu；S6：对S5得到的深度融合特征fu进行弱小目标框位置的回归和类别的判定。

全文数据：

权利要求：

百度查询： 西安电子科技大学 一种基于多感受野与深度特征的弱小目标检测方法