申请/专利权人：华中科技大学

申请日：2021-09-24

公开（公告）日：2024-03-19

公开（公告）号：CN113780462B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/80;G06V10/774;G06V10/82;G06V20/17;G06V20/54;G06V10/766;G06N3/0464;G06N3/084;G06N3/091

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.12.28#实质审查的生效;2021.12.10#公开

摘要：本发明公开了基于无人机航拍图像的车辆检测网络建立方法及其应用，属于车辆检测领域，包括：建立车辆检测网络，并利用航拍数据集训练对其进行训练；航拍数据集中的训练样本为已标注车辆位置及类别的航拍图像；车辆检测网络为深度学习神经网络，其以图像为输入，用于预测输入的图像中车辆的位置和类别，并输出预测置信度；训练损失函数为：Ltotal＝Lloc+Lcls+Ldisc；Lloc为回归损失，Lcls为分类损失；Ldisc为类间可鉴别损失，用于表示训练样本在特征空间中的分布情况，且同类训练样本的特征分布越聚集、不同类训练样本的特征分布越分散，类间可鉴别损失Ldisc越小；训练结束后，完成车辆检测网络的建立。本发明能够建立更为准确的车辆检测网络，提升车辆检测的精度。

主权项：1.一种基于无人机航拍图像的车辆检测网络建立方法，其特征在于，包括：建立待训练的车辆检测网络，并利用航拍数据集训练对其进行训练；所述航拍数据集中的训练样本为已标注车辆位置及类别的航拍图像；所述车辆检测网络为深度学习神经网络，其以图像为输入，用于预测输入的图像中车辆的位置和类别，并输出预测置信度；训练过程中，计算损失的损失函数为：Ltotal＝Lloc+Lcls+Ldisc；Lloc为回归损失，用于表示车辆位置预测值与真实值之间的差异；Lcls为分类损失，用于表示车辆类别预测值与真实值之间的差异；Ldisc为类间可鉴别损失，用于表示训练样本在特征空间中的分布情况，且同类训练样本的特征分布越聚集、不同类训练样本的特征分布越分散，所述类间可鉴别损失Ldisc越小；训练结束后，完成所述车辆检测网络的建立；其中，分类损失Lcls为：Lcls＝-αtWt1-PtγlogPt a为超参数；p表示相应类别的预测置信度；γ为预设的权重系数；wclass表示对应类别错分类训练样本的权重，pclass表示对应类别的训练样本在所有训练样本中出现的概率；β为超参数。

全文数据：

权利要求：

百度查询： 华中科技大学 基于无人机航拍图像的车辆检测网络建立方法及其应用

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