申请/专利权人：耕宇牧星(北京)空间科技有限公司

申请日：2023-10-18

公开（公告）日：2024-04-16

公开（公告）号：CN117351354B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/44;G06V10/80;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.01.23#实质审查的生效;2024.01.05#公开

摘要：本发明涉及遥感图像处理技术领域，具体涉及一种基于改进MobileViT的轻量级遥感图像目标检测方法，包括：搭建基于改进MobileViT的轻量级骨干特征提取网络；轻量级骨干特征提取网络包括：基础卷积算子、多尺度特征提取模块和轻量级通道计算模块；基于轻量级骨干特征提取网络搭建遥感图像目标检测模型；对遥感图像目标检测模型进行训练和测试。本发明具有体积小，计算量低，模型轻量化的优点，有效解决了传统模型因计算量和体积过大导致的边缘设备部署难题。

主权项：1.一种基于改进MobileViT的轻量级遥感图像目标检测方法，其特征在于，包括以下步骤：搭建基于改进MobileViT的轻量级骨干特征提取网络；所述轻量级骨干特征提取网络包括：基础卷积算子、多尺度特征提取模块和轻量级通道计算模块；所述基础卷积算子对原始遥感图像进行特征提取，得到初始特征图；所述多尺度特征提取模块对所述初始特征图进行多尺度特征提取，得到多尺度特征图；所述轻量级通道计算模块对所述多尺度特征图进行局部特征提取，并采用通道代表性思想对局部特征图进行划分、部分特征编解码和拼接，再将拼接后的特征图与初始的所述多尺度特征图进行融合；基于所述轻量级骨干特征提取网络搭建遥感图像目标检测模型；对所述遥感图像目标检测模型进行训练和测试；基于训练和测试后的所述遥感图像目标检测模型对遥感图像进行目标检测；所述多尺度特征提取模块包括：点卷积单元、深度分离卷积单元和多尺度卷积单元；所述点卷积单元负责调整输入特征图和输出特征图的通道维度；所述深度分离卷积单元作为主要的特征提取器对输入图像进行特征提取；所述多尺度卷积单元对所述深度分离卷积单元所提取特征的基础上进一步提取多尺度特征，以丰富特征图的信息表示；所述轻量级通道计算模块包括：局部特征表示算子、编码-解码结构、通道划分算子和特征复用算子；所述局部特征表示算子由尺寸为3×3和1×1的卷积级联得到，用于改变所述多尺度特征图的尺寸和通道数，并通过点卷积计算得到局部特征图；所述通道划分算子将所述局部特征图划分为3:1，将14部分特征图输入至所述编码-解码结构进行编解码计算，剩余34部分特征图不参与任何计算并且与编解码计算后的14特征图进行拼接，得到拼接特征图；所述特征复用算子将所述拼接特征图与初始输入的所述多尺度特征图进行融合，得到最终用于检测的完整特征图。

全文数据：

权利要求：

百度查询： 耕宇牧星(北京)空间科技有限公司 基于改进MobileViT的轻量级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