← 返回列表
一种基于特征分离可变形卷积的飞行目标检测方法
摘要文本
本发明公开了一种基于特征分离可变形卷积的飞行目标检测方法，所述方法包括如下步骤：一：建立训练数据集和测试数据集；二：使用可变形卷积进行不规则采样，以减少规则采样过程中的背景干扰；三：使用超高斯函数用于语义分割标签生成；四：设计适合软标签的焦点损失来计算特征分离监督的损失；五：对改进后的检测模型YOLO‑FRS进行训练和测试，完成遥感图像飞行状态飞机目标检测。本发明面向飞行目标检测需求，提出了一种特征响应分离可变形卷积模块来改进YOLOv5模型，该模型鼓励检测模型向目标区域聚集采样点，提取更多与目标相关的信息，并减少来自目标周围背景的干扰，从而实现检测性能的提升。 来自：马 克 团 队
申请人信息
- 申请人:哈尔滨工业大学; 哈尔滨视爵科技有限公司
- 申请人地址:150001 黑龙江省哈尔滨市南岗区西大直街92号
- 发明人: 哈尔滨工业大学; 哈尔滨视爵科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于特征分离可变形卷积的飞行目标检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311365198.9 |
| 申请日 | 2023/10/20 |
| 公告号 | CN117611791A |
| 公开日 | 2024/2/27 |
| IPC主分类号 | G06V10/25 |
| 权利人 | 哈尔滨工业大学; 哈尔滨视爵科技有限公司 |
| 发明人 | 杨旭; 江世凯; 俞利健; 智喜洋; 巩晋南; 马思克 |
| 地址 | 黑龙江省哈尔滨市南岗区西大直街92号; |
专利主权项内容
1.一种基于特征分离可变形卷积的飞行目标检测方法，其特征在于所述方法包括如下步骤：步骤一：搜集包含飞行状态飞机目标的可见光遥感图像数据，建立训练数据集和测试数据集；步骤二：在YOLOv5模型中引入可变形卷积，使用可变形卷积进行不规则采样，以减少规则采样过程中的背景干扰；步骤三：使用超高斯函数用于语义分割标签生成，以减少硬标签引起的误差；步骤四：为了减少样本类别不平衡带来的负面影响，设计适合软标签的焦点损失来计算特征分离监督的损失；步骤五：利用步骤一采集的数据集，对经过步骤二至步骤四改进后的检测模型YOLO-FRS进行训练和测试，完成遥感图像飞行状态飞机目标检测。 百度搜索马 克 数 据 网