申请/专利权人：郑州轻工业大学

申请日：2023-04-18

公开（公告）日：2024-04-09

公开（公告）号：CN117853895A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/774;G06V10/82;G06V10/764;G06N3/04;G06N3/08

优先权：["20230224 CN 2023101611016"]

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明提出了一种基于平滑GIoU回归损失函数的遥感图像有向目标检测方法，步骤：以带标注的高分辨率遥感图像为训练样本训练候选区域生成网络；通过训练好的候选区域生成网络得到候选目标框，训练区域检测网络；候选区域生成网络和区域检测网络的边框回归损失函数均采用基于平滑GIoU的回归损失函数；交替训练候选区域生成网络和训练区域检测网络构建检测模型，将待检测图像输入检测模型中，获得感兴趣目标的位置和类别。本发明通过改进候选区域生成网络以及区域检测网络的边框回归损失函数，可以有效地提升有向目标检测中边框回归的定位性能；能够在训练过程中根据GIoU值的不同范围采取更合适的学习强度，提升有向目标检测准确性。

主权项：1.一种基于平滑GIoU回归损失函数的遥感图像有向目标检测方法，其特征在于，其步骤如下：步骤一：训练候选区域生成网络：以带标注的高分辨率遥感图像为训练样本，训练候选区域生成网络；其中候选区域生成网络的边框回归损失函数采用基于平滑GIoU的回归损失函数；步骤二：训练区域检测网络：将训练样本送入步骤一中训练好的候选区域生成网络得到样本图像的候选目标框，以候选目标框作为目标初始位置训练区域检测网络；其中区域检测网络的边框回归损失函数采用基于平滑GIoU的回归损失函数；步骤三：交替训练候选区域生成网络和训练区域检测网络，迭代训练，直至收敛；且训练过程采用随机梯度下降法对网络参数进行优化；步骤四：测试阶段：共享候选区域生成网络和检测网络的主干网络，合并训练后的候选区域生成网络和区域检测网络构建检测模型，将待检测的高分辨率遥感图像输入检测模型中，获得待检测的高分辨率遥感图像的感兴趣目标的位置和类别。

全文数据：

权利要求：

百度查询： 郑州轻工业大学 基于平滑GIoU回归损失函数的遥感图像有向目标检测方法

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