摘要
基于DINO分类作物与杂草的轻量化端到端目标检测方法和装置,其方法包括:步骤1、收集并标注作物和杂草目标图像数据集;步骤2、划分收集的数据集以便于进行随机的不同的子任务;步骤3、在DINO的BackBone层之前加入轻量新型降噪网络;步骤4、对DINO的BackBone进行替换,优化,使其轻量化;步骤5、使用优化后的DINO模型训练作物和杂草的目标检测模型;步骤6、将作物和杂草的测试样本送入训练好的模型中进行推理得出检测结果。本发明去除图片的噪音,使模型通用性更好,目标检测准确率提升,更改优化骨干网络。可以使模型训练的次数大幅下降,让算法获得更为快速的训练收敛,减少训练时间,还能在相同训练epoch下,提高作物和杂草分类的准确率。