申请/专利权人：天翼云科技有限公司

申请日：2023-12-01

公开（公告）日：2024-04-30

公开（公告）号：CN117953266A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06N3/0464;G06N3/08;G06V10/44;G06V20/17

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明公开了一种基于可形变卷积的航拍垃圾检测方法，包括一种基于可形变卷积的航拍垃圾检测方法，所述检测方法包括以下几个步骤：第一步，图像预处理，获取图像以及相应标签，标签为垃圾类别以及多边形坐标信息，将数据集分为训练集、验证集、测试集。第二步，构建人体关键点检测回归模型，模型由FPN主干网络模块、DeformablePooling、边缘检测层、检测层、分类层、损失函数构成。第三步，选择特征提取器作为主干网络，可选择特征提取器resnet、swin，本发明利用可形变卷积FCN的设计，可形变卷积FCN是深度学习中的一类算子，可以将卷积操作从原来的固定网格位置进行改为多个任意点位置进行卷积，增强对于旋转物体的特征提取能力。

主权项：1.一种基于可形变卷积的航拍垃圾检测方法，其特征在于，所述检测方法包括以下几个步骤：第一步，图像预处理，获取图像以及标签，标签为垃圾类别以及多边形坐标信息，将数据集分为训练集、验证集和测试集；第二步，构建人体关键点检测回归模型，模型由FPN主干网络模块、DeformablePooling、边缘检测层、检测层、分类层和损失函数构成；第三步，选择特征提取器作为主干网络，可选择特征提取器resnet和swin；第四步，设定网格数量N，将图片分为NxN个区域，待检测的点如果落在其中一个网格里，就由该网格预测该点，且设置一个NxN的DeformablePooling层将特征固定为NxN；第五步，使用边缘生成算法从原始标注生成边缘标注；第六步，得到NxN尺寸的网格特征后送入检测层得到表示物体形状以及位置的点集，送入边缘检测层得到像素为边缘的概率，利用边缘概率过滤部分点集中的点，送入分类层计算置信度，置信度包括位置置信度以及类别置信度；第七步，使用GrahamScan凸包算法计算点集形状，得到形状后，利用IOU计算损失，完成模型构建，模型构建完成后，利用训练集测试集训练模型。

全文数据：

权利要求：

百度查询： 天翼云科技有限公司 一种基于可形变卷积的航拍垃圾检测方法

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