申请/专利权人：南京林业大学;中国林业科学研究院资源信息研究所

申请日：2021-11-24

公开（公告）日：2024-03-29

公开（公告）号：CN114078218B

主分类号：G06V20/17

分类号：G06V20/17;G06V20/40;G06V10/774;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.03.11#实质审查的生效;2022.02.22#公开

摘要：本发明公开一种自适应融合的森林烟火识别数据增广方法，包括以下步骤：森林烟火数据采集，数据集构建，数据集分析和融合数据增广；本发明在加权叠加基础上考虑样本分布不均衡问题，根据类别偏重随机提取标注框，同时结合马赛克数据增广的背景复用特点，设计IOA阈值过滤，满足条件的提取标注框与马赛克样本做线性特征融合，在保证不损失马赛克样本信息基础上拓展目标信息密度，从而提升原始样本信息利用率，解决了原始样本中目标过于集中图片中心问题，实现数据量的扩充，可以有效的缓解样本分布不均衡问题，均匀样本标注框出现的位置，提升原始样本信息利用率，极大的增加了森林烟火数据样本的规模，提高了森林烟火识别的精确度。

主权项：1.一种自适应融合的森林烟火识别数据增广方法，其特征在于，包括以下步骤：步骤一：先根据实际采集需要设置无人机的飞行垂直高度、飞行半径和飞行速度，再利用无人机以盘旋式和悬停式结合的方式对待采样地区的地面细节信息视频进行采样，作为森林烟火数据样本；步骤二：先通过编写脚本对森林烟火数据样本视频进行固定间隔抽帧，再通过人工标注的方式排除森林烟火数据样本视频中重复视角样本与无用样本，并保留有用样本作为数据集；步骤三：先利用标注框中心化将森林烟火数据集中人工标注的所有标注框提取出来，并绘制在平面中，再选取标注框中尺寸分布均匀的目标作为检测对象的训练集；步骤四：先从训练集中随机获取不重复样本，并使用mosaic方法构建出不同类别基础样本，再计算不同类别基础样本在数据集中的权重ωi，接着根据权重ωi在数据集中的偏向从数据集中随机提取α个标注好的目标框，然后设计IOA阈值过滤并将提取的α*ωi个目标做IOA判断，若叠加目标与马赛克样本中的已有目标面积重叠率IOA大于10％，则过滤当前叠加目标，若符合要求则将提取的标注框与基础样本做线性特征融合加权，生成新样本，即为融合增广后的森林烟火数据。

全文数据：

权利要求：

百度查询： 南京林业大学;中国林业科学研究院资源信息研究所 一种自适应融合的森林烟火识别数据增广方法

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