首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于上下文多特征的SAR舰船目标检测方法及系统 

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!

申请/专利权人:重庆大学

摘要:本发明涉及基于上下文多特征的SAR舰船目标检测方法及系统,包括:步骤1.获取图像;步骤2.将所述图像输入至改进的YOLOv5网络模型,得到所述图像对应的检测结果;其中:改进的YOLOv5网络模型包括骨干网络、颈部网路、预测分类器和输出模块;骨干网络的第6层为通道注意力机制,骨干网络中采用MetaAconC激活函数;颈部网络中采用加权双向特征金字塔网络;在图像输入所述改进的YOLOv5网络模型后,由骨干网络进行特征信息的提取,输出特征图给颈部网路;并在颈部网络采用加权双向特征金字塔网络对特征进行多尺度融合处理;通过预测分类器预测出目标边界框、类别和置信度。本发明解决了现有检测效率低的问题。

主权项:1.一种基于上下文多特征的SAR舰船目标检测方法,包括以下步骤:步骤1.获取图像;步骤2.将所述图像输入至改进的YOLOv5网络模型,得到所述图像对应的检测结果;其中:改进的YOLOv5网络模型包括骨干网络、颈部网路、预测分类器和输出模块,其中,所述骨干网络的第6层为通道注意力机制,所述骨干网络中采用MetaAconC激活函数;所述颈部网络中采用加权双向特征金字塔网络;在所述图像输入所述改进的YOLOv5网络模型后,由骨干网络进行特征信息的提取,输出13×13、26×26和52×52的特征图给颈部网路;并在颈部网络采用加权双向特征金字塔网络对特征进行多尺度融合处理;通过预测分类器预测出目标边界框、类别和置信度并通过输出模块输出;所述改进的YOLOv5网络模型在训练和应用时,采用EIOU损失函数作为网络回归损失的损失函数。

全文数据:

权利要求:

百度查询: 重庆大学 基于上下文多特征的SAR舰船目标检测方法及系统

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。