申请/专利权人：重庆市地理信息和遥感应用中心

申请日：2020-09-08

公开（公告）日：2020-12-01

公开（公告）号：CN112016512A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101);G06T3/40(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2020.12.18#实质审查的生效;2020.12.01#公开

摘要：本发明公开了一种基于反馈式多尺度训练的遥感图像小目标检测方法，包括步骤：搭建由检测模块和反馈多尺度训练模块构成的反馈式多尺度卷积神经网络，输入原始图像数据采用端到端的方式对其进行训练；所述反馈多尺度训练模块根据检测模块输出的当前迭代过程的损失计算小目标的比例值；计算所得小目标的比例值与预设阈值进行比较，当小于预设阈值时，使用拼接图像数据作为下一次迭代的输入，否则使用原始图像数据作为输入；获得已训练好的反馈式多尺度卷积神经网络，输入待检测遥感图像，输出识别结果。增强了遥感图像中小目标的检测能力，抑制了过拟合现象和类别不均衡现象，对于遥感图像中的小目标检测具有更好的效果和鲁棒性。

主权项：1.一种基于反馈式多尺度训练的遥感图像小目标检测方法，其特征在于，包括如下步骤：步骤1、搭建由检测模块和反馈多尺度训练模块构成的反馈式多尺度卷积神经网络，使用预训练模型初始化网络权值，并输入原始图像数据采用端到端的方式对其进行训练；步骤2、所述反馈多尺度训练模块根据检测模块输出的当前迭代过程的损失计算小目标的比例值；步骤3、所述反馈多尺度训练模块将计算所得小目标的比例值与预设阈值进行比较，当小于预设阈值时，使用拼接图像数据作为下一次迭代的输入，否则使用原始图像数据作为输入；步骤4、获得已训练好的反馈式多尺度卷积神经网络，输入待检测遥感图像，输出识别结果。

全文数据：

权利要求：

百度查询： 重庆市地理信息和遥感应用中心 基于反馈式多尺度训练的遥感图像小目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD