申请/专利权人：成都理工大学

申请日：2023-09-15

公开（公告）日：2024-03-22

公开（公告）号：CN117746229A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/80;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于卷积神经网络的高效遥感图像小目标检测方法，其采用MiSo的特征融合结构，以平衡正负样本，增强遥感图像局部斑块的信息交互；提出自适应IoU‑T损失函数，用以提升小目标检测的定位精度；采用Group‑CBAM注意力机制提高遥感图像中微小物体的感知能力；引入Spatial‑Shift计算，在不增加模型参数量并且不引入复杂计算的前提下，提升了对小目标的检测能力。同时对比目前的主流算法YOLOv5、YOLOv6、YOLOv7、CenterNet等，实验数据表明所提出的改进模型具有较高的检测精度和速度，能够很好的处理真实场景下的小目标检测。

主权项：1.基于卷积神经网络的高效遥感图像小目标检测方法，其特征在于，包括：将已公开的小目标检测数据集作为原始数据，并对原始数据进行预处理；根据预处理后的原始数据对RST-YOLOX模型进行训练；将训练得到的RST-YOLOX模型用于遥感图像小目标检测；其中，所述RST-YOLOX模型基于YOLOX模型改进所得，包括：使用MiSo特征提取网络的特征提取模块对遥感图像特征进行提取；使用IoU-T损失函数对RST-YOLOX模型进行训练；引入主干网络第一阶段和第二阶段的特征，并将其与MiSo输出的特征进行拼接；基于CBAM注意力机制提出Group-CBAM注意力机制；引入Spatial-Shift结构。

全文数据：

权利要求：

百度查询： 成都理工大学 基于卷积神经网络的高效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