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！

申请/专利权人：东北大学秦皇岛分校

摘要：本发明提供一种基于新型半断层FPN+PAN特征融合网络的小目标检测方法，属于目标检测领域。本方法在FPN+PAN特征融合网络的基础上切断其中FPN较深层的信息传递过程，有效地削弱浅层特征图的尺度混淆问题，提高了小目标检测精度。同时，采用Dconv模块与C3‑Res模块构成的特征提取网络，以自适应提取特征并加深网络深度。同时，采用K‑means++算法得到先验框，加速模型收敛。最后，对检测结果进行非极大值抑制，筛出重叠物体框，整个网络采用端到端的方式，整体进行网络权值的更新，直至收敛。最终，提出的新型半断层FPN+PAN多尺度特征融合网络有效地提高了复杂背景、多尺度目标下的小目标检测精度。

主权项：1.一种基于新型半断层FPN+PAN特征融合网络的小目标检测方法，其特征在于，包括以下步骤：步骤1：使用以Yolov5主干网络NewCSP-Darknet53为改进的特征提取网络，提取包含小目标的多尺度目标图片；步骤2：提取由主干网络五个特征提取模块生成的5组尺寸依次减半、通道依次翻倍的不同深度的特征图T1、T2、T3、T4、T5，并输入到特征融合网络当中；所述特征融合网络首先将浅层特征图T3、T2、T1以FPN网络中自顶向下的特征融合形式融合特征，由T1、T2、T3分别获得3组新特征图L1、L2、L3；其次，由T4、T5分别获得2组新特征图L4、L5；最终得到5组新的尺寸依次减半、通道依次翻倍的不同深度的特征图L1、L2、L3、L4、L5；步骤3：通过PAN特征金字塔结构在L1、L2、L3、L4、L5特征图之间建立特征传输通道，确保不同特征层之间的上下文信息进行有效传递，并输出新特征图Z1、Z2、Z3、Z4、Z5用于检测；步骤4：采用K-means++算法得到先验框，根据Citypersons数据集中物体的目标框尺度进行聚类，分别通过k-means聚类算法与遗传变异算法得到5个尺度的先验框；步骤5：最后将融合后的特征图Z1、Z2、Z3、Z4、Z5分别输出并用于检测出候选框信息与此候选框属于某类别的概率，对检测结果使用非极大值抑制的方法进行筛选，即将输出检测结果中的候选框，依据检测结果中候选框属于类别的概率值做排序，并选择概率最大的候选框为最终结果，完成小目标检测方法。

全文数据：

权利要求：

百度查询： 东北大学秦皇岛分校 一种基于新型半断层FPN+PAN特征融合网络的小目标检测方法