多尺度卷积特征融合网络
时间: 2023-09-18 11:16:12 浏览: 103
多尺度卷积特征融合网络是一种用于植株叶片目标检测的算法。该算法结合了主干梯度和聚合梯度两种梯度集成结构,以提高检测的准确度。在主干网络中应用主干梯度集成结构,而聚合梯度集成结构将网络的梯度变化集成到植株特征图中,整合各植株叶片的信息。此外,多尺度回归算法还在主干网络的最后进行了多尺度池化操作,通过不同尺度的最大池化方式对植株叶片样本进行特征融合,以增加主干网络对植株叶片信息的接受范围,并分离重要的上下文特征,以适应多尺度目标检测的需求。该算法还采用了广义交并比损失函数来提升检测精度。与其他经典深度学习技术相比,多尺度回归算法在植株叶片检测中表现出更好的精度,尤其适用于样本尺寸多样、分辨率低、重叠遮挡等复杂情况。\[1\]\[2\]\[3\]
#### 引用[.reference_title]
- *1* *2* *3* [基于多尺度卷积神经网络特征融合的植株叶片检测技术](https://blog.csdn.net/weixin_70923796/article/details/127126032)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]
阅读全文