Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西北工业大学姚西文获国家专利权

西北工业大学姚西文获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉西北工业大学申请的专利一种小样本航空图像旋转目标检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115830480B

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211578217.1,技术领域涉及:G06V20/17;该发明授权一种小样本航空图像旋转目标检测方法是由姚西文;李玲君;程塨;韩军伟;郭雷设计研发完成,并于2022-12-09向国家知识产权局提交的专利申请。

一种小样本航空图像旋转目标检测方法在说明书摘要公布了:本发明提供了一种小样本航空图像旋转目标检测方法。首先,利用基础类别航空样本数据对旋转目标检测器网络Redet进行基础训练,并在RCNN的框回归损失中增加一个角度约束项;然后,再利用基础类别航空样本数据和新类别航空样本数据进行再训练,训练时在Redet网络的RPN模块中增加分类重加权模块,将RPN的分类损失替换为Focal损失并增加一个可学习损失权值项,同样在RCNN的框回归损失中也增加一个角度约束项,且只对网络部分参数进行调整,其余参数保持不变;最后,将航空图像输入训练好的网络,即得到其目标检测结果。本发明能够有效提高航空图像小样本旋转目标检测性能。

本发明授权一种小样本航空图像旋转目标检测方法在权利要求书中公布了:1.一种小样本航空图像旋转目标检测方法,其特征在于步骤如下: 步骤S1、构建训练数据集:将航空图像数据集的所有类别随机划分为基础类别和新类别,且基础类和新类的类别空间不相交,其中,基础类别中的每类标注样本数量大于等于500,构成基础类别子数据集,新类别中的每类标注样本数量不超过20,构成新类别子数据集; 步骤S2、基础训练:使用ResNet50网络官方提供的预训练模型在基础类别子数据集上进行训练,得到初始化网络参数,所述的网络指旋转目标检测器网络Redet,训练时在RCNN的框回归损失中增加一个角度约束项,即: LRCNN_reg=LKFIoU+0.04*LEVCS1 其中,LRCNN_reg表示增加角度约束项后的框回归损失函数;LKFIoU表示原KFIoU损失函数;LEVCS表示角度约束项;表示预测框的4个顶点构成的8个有向向量集合,表示以预测框的左上方顶点1为起点、右上方顶点2为终点的有向向量,表示以预测框的左上方顶点1为起点、左下方顶点4为终点的有向向量,表示以预测框的右上方顶点2为起点、左上方顶点1为终点的有向向量,表示以预测框的右上方顶点2为起点、右下方顶点3为终点的有向向量,表示以预测框的右下方顶点3为起点、右上方顶点2为终点的有向向量,表示以预测框的右下方顶点3为起点、左下方顶点4为终点的有向向量,表示以预测框的左下方顶点4为起点、右下方顶点3为终点的有向向量,表示以预测框的左下方顶点4为起点、左上方顶点1为终点的有向向量;表示两个有向向量,起点都是真值框的左上方顶点1,有向向量的终点是真值框的右上方顶点2,有向向量的终点是真值框的左下方顶点4;向量表示从预测框向量集合中选出的与真值框的两个有向向量在方向和向量长度上最接近的有向向量;exp表示以自然常数e为底的指数函数;Cosinesimilarity表示计算余弦相似性; 步骤S3、网络参数调整:在基础类别子数据集和新类别子数据集上再次进行网络训练,得到训练好网络,其中,训练时在Redet网络的RPN模块中增加一个分类重加权模块CRM,将RPN的分类损失替换为Focal损失并增加一个可学习损失权值项,在RCNN的框回归损失中增加一个角度约束项,同时,训练时只对RPN和RCNN的分类分支和回归分支、分类重加权模块CRM进行参数调整,网络其余模块的参数保持固定不变; 所述的分类重加权模块CRM主要由一个卷积层构成,放置在框定位分支之后,将RPN模型预测出的定位信息输入到CRM模块中,得到包含定位信息的输出值; 所述的替换为Focal损失并增加一个可学习损失权值项的RPN的分类损失函数如下: LRPN_cls=loss_weight*[-α*1-ptγ*label*logpt-1-α*pt γ*1-label*log1-pt]3 其中,LRPN_cls表示RPN模块的分类损失;loss_weight表示可学习损失权值项;W表示可学习权值矩阵;α为超参数一,设置其值为0.25;pt表示RPN模块最终输出的预测前-背景分类得分;γ为超参数二,设置其值为2;label表示前-背景类别真值标签;scorescls表示重加权后的前-背景分类得分;scores_cls表示RPN模块分类分支输出的前-背景得分;reg2cls表示CRM模块输出值; 步骤S4、目标检测:将待处理的航空图像数据集输入到训练好的网络,输出得到其目标检测结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西北工业大学,其通讯地址为:710072 陕西省西安市友谊西路;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

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。