申请/专利权人：河南科技学院

申请日：2023-12-19

公开（公告）日：2024-04-12

公开（公告）号：CN117876863A

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：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明提供了一种结合空间位置信息的遥感图像目标检测方法，首先利用3D注意力机制的特征提取优势，以提升网络鉴别不同线索的能力；然后利用空间坐标卷积网络对图像位置信息进行融合，以聚焦于复杂场景中物体的空间位置信息。最后针对样本不平衡采用了WiseIOULoss函数，以提升小规模样本对损失函数的贡献。本发明通过引入坐标卷积网络以提取传统YOLO检测模型对目标特征的表示能力，进而实现光学遥感的多目标检测，在提高识别准确率的同时也削弱了模型对训练数据的依赖性。

主权项：1.一种结合空间位置信息的遥感图像目标检测方法，其特征在于：包括以下步骤：步骤S01：在特征提取模块中获取光学遥感图像，使用3D注意力机制对输入的源图像中的3D信息进行提取，3D注意力机制的公式如下： 其中，et代表神经元能量；y是变量；wt，bt分别表示线性变换的权重和偏置；t和xi是输入X∈RC×H×W中单通道上的目标神经元和其他神经元，X表示输入通道数；yt表示正样本标签，y0表示负样本标签； 和是t和xi的线性变换结果；i是空间维度上的索引；M＝H×W代表该通道上神经元的个数，H和W指的是通道的高和宽；步骤S02：对步骤S01中处理过的图片利用SPPF对输入特征图进行不同大小的池化操作，将任意大小的特征图转换成固定大小的特征图向量；步骤S03：对步骤S02中输出的固定大小的特征图向量先利用坐标卷积引入目标的坐标信息，再通过将图像放大的上采样操作和与更粗粒度的特征图融合来实现不同层次特征的融合，生成具有多尺度信息的特征图；步骤S04：对步骤S03中输出的大小不同的具有多尺度信息的特征图分别在Neck端进行预测，生成目标的位置、类别与置信度，另外在该部分采用了WiseIOULoss函数在目标检测的预测阶段，对目标框进行精确的筛选任务，进一步提升了算法的检测精度。

全文数据：

权利要求：

百度查询： 河南科技学院 一种结合空间位置信息的遥感图像目标检测方法

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