申请/专利权人：自然资源部第一海洋研究所

申请日：2022-05-06

公开（公告）日：2024-03-22

公开（公告）号：CN114882376B

主分类号：G06V20/13

分类号：G06V20/13;G06V10/762;G06V10/74;G06V10/82;G06N3/0464;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.08.26#实质审查的生效;2022.08.09#公开

摘要：本发明涉及一种基于最优目标锚点尺度的卷积神经网络遥感影像目标检测方法，属于遥感影像目标识别及信息提取技术领域。本发明首先提出了一种遥感影像最优目标锚点尺度学习方法，可自适应获得不同目标检测任务的最优目标锚点尺度；然后基于最优目标锚点尺度学习方法，设计了一种基于最优目标锚点尺度的卷积神经网络遥感影像目标检测架构，可根据不同目标检测任务自适应调整锚点尺度，良好的耦合不同类型的目标尺度，实现对不同目标检测任务的精确检测。本发明具有简单、可靠、精度高、易于实现的特点。本发明可广泛运用于遥感影像目标识别及信息提取场合。

主权项：1.一种基于最优锚点尺度的卷积神经网络遥感影像目标检测方法，其特征在于，包括以下步骤：S1：自适应目标锚点尺度学习：基于目标锚点对训练数据集最优覆盖率准则，使用k均值聚类算法对不同类型的目标尺度聚类，获得不同目标检测任务的最优目标锚点尺度；基于k均值聚类算法对训练数据集中目标尺度进行聚类，获得目标锚点的尺度大小，其中聚类过程基于目标与锚点间的交并比进行相似度度量，对目标锚点训练数据集覆盖率与测试集检测结果精度进行统计分析，当目标锚点可覆盖训练数据集80％的目标时对应的测试集目标检测结果精度最高，基于该统计准则，获得计算最优目标锚点尺度的目标函数： Avg-IOU≥0.82其中：n是训练数据集中目标数目；IOUimax是标签为i的目标与k个锚点间的最大交并比；Avg-IOU为训练集中所有目标与锚点交并比的平均值；S2：自适应目标锚点尺度的卷积神经网络目标检测：基于最优目标锚点尺度的卷积神经网络遥感影像目标检测架构，实现对不同目标检测任务的精确检测；架构的训练损失计算如下：Loss＝Lcoord+Lclass+Lobj3 其中：Loss为目标检测架构的训练损失；Lcoord、Lclass和Lobj分别为目标坐标、类别和置信度损失；m为特征图的宽或高；n为在特征图的每个位置上锚点的数目；表示在特征图i,j位置上的标签为k的锚点是否为正样本，如果是正样本为1，否则为0；wij和hij为在特征图i,j位置上的标签为k的锚点对应的真值目标区域的宽与高；xij,yij,wij,hij为真值目标区域的中心点坐标和宽与高；为基于标签为k的锚点生成的目标区域中心点坐标和宽与高的网络架构的预测值；wa和ha为标签为k的锚点的宽与高；r为网络架构的分类数；为网络测架构对生成的目标区域不同类别的预测值；为基于标签为k的锚点生成的目标区域为目标的置信度预测值；在目标检测架构测试阶段，使用公式7对网络架构中关于目标区域中心点坐标、置信度和类别预测值进行处理；使用公式8-11获得基于锚点的目标生成区域的中心点坐标和宽与高： 其中：Ox,Oy,Ow,Oh为网络目标生成区域的中心点坐标和宽与高。

全文数据：

权利要求：

百度查询： 自然资源部第一海洋研究所 基于最优锚点尺度的卷积神经网络遥感影像目标检测方法

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