公开(公告)号：CN118692034A

公开(公告)日：2024-09-24

申请号：CN202410930769.7

申请日：2024-07-12

Applicant: 桂林理工大学

Inventor： 董明刚 ,  于扬

IPC: G06V20/54 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于多尺度特征融合的车辆识别方法,所述的车辆识别方法在多尺度特征融合方法的基础上搭建网络模型，首先通过主干网络提取不同尺度的特征,然后通过基于动态上采样的多尺度特征融合方法,将深层网络的特征图上采样到与浅层网络的特征图大小一致，再通过CA注意力得到特征权重，浅层网络乘以特征权重后与深层特征进行融合，每次融合两个特征图,所得新特征图继续与下层特征重复融合过程,直至迭代结束,融合后的特征图经过卷积后再形成检测头;本发明在一阶段目标检测算法YOLOv8上进行改进,将浅层网络特征与深层网络特征进行融合，最大程度上避免浅层特征图信息的丢失，在进行车辆识别任务时,提高检测精度。

公开(公告)号：CN118692110A

公开(公告)日：2024-09-24

申请号：CN202410930771.4

申请日：2024-07-12

Applicant: 桂林理工大学

Inventor： 董明刚 ,  于扬

IPC: G06V40/10 ,  G06V20/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于YOLOv8的行人快速检测方法，属于深度学习和目标检测技术领域，解决了实际场景下行人检测精度低和速度慢的技术问题。通过抽帧处理Caltech视频数据集并增强图像和添加遮挡获得行人检测数据集。以Y0L0v8网络为基础,设计一种新的特征提取模块PCT代替Darknet53中的C2f,保留原本的SPPF，实现局部特征和全局特征的融合。加强特征网络FPN，用于对不同大小的有效特征层进行特征融合适应不同尺寸目标，模型经过上下卷积采样形成特征层，设置WIoU v3为损失函数,将特征提取网络、检测网络和损失函数结合得到完整的PCT_YOLO网络模型，并在数据集上进行训练和验证,保存最优模型用于真实场景下的行人检测中。