InternDiffuseDet:結(jié)合可變形卷積和擴(kuò)散模型的目標(biāo)檢測方法

摘要： 針對現(xiàn)有目標(biāo)檢測中存在的漏檢和誤檢、特征提取能力有限、處理復(fù)雜場景時檢測精度不高等問題，基于DiffusionDet進(jìn)行改進(jìn)，提出了一種結(jié)合可變形卷積和擴(kuò)散模型的目標(biāo)檢測方法。以模型在進(jìn)入檢測頭之前需要更多且優(yōu)質(zhì)的特征圖為核心思想，在主干網(wǎng)絡(luò)中引入InternImage和DCNv3可變形卷積算子提升模型的感受野和非線性建模能力。對中間層的FPN特征金字塔進(jìn)行改進(jìn)，設(shè)計了一種基于...