申请/专利权人：江苏思远集成电路与智能技术研究院有限公司

申请日：2022-10-17

公开（公告）日：2022-12-30

公开（公告）号：CN115546659A

主分类号：G06V20/13

分类号：G06V20/13;G06V10/82;G06V10/764;G06V10/26;G06N3/04;G06N3/08;G06N5/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.01.20#实质审查的生效;2022.12.30#公开

摘要：本发明涉及机场毁伤检测技术领域，尤其涉及一种基于卫星图像机场目标毁伤检测方法，包括构建机场设施目标检测数据集；对CSPNet进行改造；改进训练优化策略；采用DoReFa‑Net多值量化方法对YOLOv5网络进行优化，同时量化权重、特征值和梯度；基于YOLOv5网络的超大图像推理部署；对油罐毁伤、机堡毁伤、飞机及跑道毁伤进行分类毁伤检测。本发明提供基于结构重参数化与8bit量化的深度学习网络结构、分步对高精度卫星遥感图像中机场各目标毁伤的检测；针对跑道毁伤是利用最小起降窗口与跑道分别从不同的角度进行逐点卷积，根据弹坑分布计算最小起降窗口的面积，从而判断跑道毁伤后飞机能否起飞。

主权项：1.一种基于卫星图像机场目标毁伤检测方法，其特征在于，包括以下步骤：步骤一、构建机场设施目标检测数据集，包括构建飞机、机堡、机堡弹坑及跑道弹坑的卫星图像数据集；步骤二、利用结构重参数化思想，结合单路模型以轻量化的YOLOv5网络为基础对CSPNet进行改造，并采用解耦训练时和推理时架构；针对卫星图像小目标的识别，改进训练优化策略；步骤三、采用DoReFa-Net多值量化方法对YOLOv5网络进行优化，同时量化权重、特征值和梯度，反向传播时更新权重的全精度表示，推断时使用权重的量化表示；在权重的量化过程中利用直通估计方式规避0梯度；步骤四、基于YOLOv5网络的超大图像推理部署；步骤五、对油罐毁伤、机堡毁伤、飞机及跑道毁伤进行分类毁伤检测。

全文数据：

权利要求：

百度查询： 江苏思远集成电路与智能技术研究院有限公司 一种基于卫星图像机场目标毁伤检测方法

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