原创力文档- 1、本文档共9页，其中可免费阅读8页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于注意力机制的改进YOLOv3目标检测方法，在主干网络Darknet‑53中引入注意力模块SKNet，根据输入自适应调整卷积核大小，聚焦到感兴趣区域；在特征提取网络的顶部引入空间金字塔池化模块SPP，增加网络的感受野；在特征融合网络中引入通道注意力模块SENet，为通道分配权重，充分提取通道的有效特征信息。实验表明，该发明相较于原始YOLOv3模型，可以有效检测小目标，加快训练的收敛速度，并在检测速度不受太大影响的前提下提高检测精度。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112508014 A
(43)申请公布日 2021.03.16
(21)申请号 202011396416.1
(22)申请日 2020.12.04
(71)申请人 东南大学
地址 21
文档评论（0）