基于多粒度特征感知的FoveaBox綠色蘋果抗遮擋檢測(cè)模型

打開文本圖片集

摘要：

目標(biāo)果實(shí)檢測(cè)精度直接影響果園智能作業(yè)的效率，當(dāng)前以卷積神經(jīng)網(wǎng)絡(luò)為代表的特征提取網(wǎng)絡(luò)僅從局部感受野中提取特征用于目標(biāo)檢測(cè)，果實(shí)受枝葉遮擋或果實(shí)間重疊時(shí)存在一定的局限性，導(dǎo)致檢測(cè)精度偏低。為提升被遮擋目標(biāo)果實(shí)的檢測(cè)精度，提出抗遮擋的FoveaBox果實(shí)檢測(cè)優(yōu)化模型。首先，新模型引入Swin Transformer作為骨干網(wǎng)絡(luò)，通過計(jì)算塊間的相似度，打破傳統(tǒng)卷積僅從局部區(qū)域提取特征的限制，從而增強(qiáng)特征映射的表征能力；其次，采用特征金字塔網(wǎng)絡(luò)，通過橫向連接和自頂向下結(jié)構(gòu)聚合淺層高分辨率特征與高層語義信息，輸出金字塔型特征映射；然后，將金字塔型特征映射輸入Fovea頭部網(wǎng)絡(luò)中，利用分類子網(wǎng)絡(luò)與邊界框子網(wǎng)絡(luò)進(jìn)行檢測(cè)目標(biāo)；最后，通過焦點(diǎn)損失函數(shù)Focal Loss與Smooth L1對(duì)模型進(jìn)行迭代尋優(yōu)，直至模型收斂。（剩余12951字）