一种基于多尺度特征融合的域自适应目标检测方法
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AITNT公众号
AITNT APP
AITNT交流群
搜索
首页
AI资讯
AI技术研报
AI监管政策
AI产品测评
AI商业项目
AI产品热榜
AI专利库
寻求报道
一种基于多尺度特征融合的域自适应目标检测方法
申请号:
CN202410911678
申请日期:
2024-07-09
公开号:
CN118918310A
公开日期:
2024-11-08
类型:
发明专利
摘要
本发明公开了一种基于多尺度特征融合的域自适应目标检测方法。该方法旨在解决目标检测中域间特征尺度不统一及背景噪声干扰等问题。主要步骤包括:设计多尺度特征融合模块,对不同尺度的特征图进行对齐融合;增加背景抑制模块,降低背景特征对特征对齐的影响;将更新的特征图输入到不同域分类器,利用域分类一致性正则器,生成域不变特征信息。实验表明,提出的方法在不同背景和图像质量下均表现出显著的检测效果提升。与现有技术相比,本发明在多尺度特征对齐和背景抑制方面进行了有效改进,验证了其在域自适应目标检测中的优势。
技术关键词
多尺度特征融合
背景噪声特征
分类器
融合策略
背景噪声干扰
全局平均池化
特征金字塔
特征点
游戏场景
图像
高层次
语义
数据
模块
特征值
有效性
算法
风格
基准