申请/专利权人：北京航空航天大学

申请日：2024-01-12

公开（公告）日：2024-04-16

公开（公告）号：CN117893918A

主分类号：G06V20/13

分类号：G06V20/13;G06V10/25;G06V10/82;G06V10/764

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明涉及一种基于场景‑样本关系先验的细粒度飞机目标检测方法，包括以下步骤：将包含飞机样本的图片输入骨干网络，建立多尺度特征图；建立全局位置编码，并且通过区域建议网络，获取特征图上的重点区域特征，然后做边界框的回归和分类；构建场景与物体之间的注意力矩阵，并将加入注意力矩阵的重点区域特征转换成查询向量、索引向量和关键值向量；利用查询向量、索引向量和关键值向量以及全局位置编码，通过Transformer获得目标与目标之间的关系矩阵；利用加入关系矩阵的重点区域特征，优化每个边界框的分类结果。本发明能实现遥感图像中的细粒度飞机目标检测，增强对高相似度样本的检测能力，提升飞机目标的检测精度。

主权项：1.一种基于场景-样本关系先验的细粒度飞机目标检测方法，其特征在于，包括以下步骤：步骤1将包含飞机样本的图片作为图像输入到骨干网络，利用特征金字塔网络建立多尺度特征图；步骤2针对步骤1建立的多尺度特征图建立全局位置编码，并且通过区域建议网络，获取特征图的重点区域特征，送入回归网络和分类网络做重点区域的边界框回归和分类；所述重点区域特征指图像中包含目标的区域特征；步骤3针对步骤2获取的重点区域特征，构建场景与物体之间的注意力矩阵，使用卷积网络，将加入注意力矩阵的重点区域特征转换成查询向量、索引向量和关键值向量；步骤4针对步骤3的查询向量、索引向量和关键值向量，利用步骤2的全局位置编码，通过多层自注意力网络获得目标与目标之间的关系矩阵；步骤5针对步骤4的关系矩阵，利用步骤2中的重点区域特征，重新对重点区域的边界框进行分类，优化每个边界框的分类结果。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于场景-样本关系先验的细粒度飞机目标检测方法

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