申请/专利权人：杭州牧星科技有限公司

申请日：2023-12-26

公开（公告）日：2024-06-11

公开（公告）号：CN118172532A

主分类号：G06V10/25

分类号：G06V10/25;G06V10/82;G06V20/17

优先权：

专利状态码：在审-公开

法律状态：2024.06.11#公开

摘要：无人机长尾目标检测方法、系统及存储介质，涉及无人机目标检测技术领域，无人机长尾目标检测方法，包括如下步骤：构建长尾分布目标检测网络；训练长尾分布目标检测网络，得到长尾分布目标检测网络模型；测试长尾分布目标检测网络模型；调优长尾分布目标检测网络模型；其中，训练长尾分布目标检测网络的步骤包括如下：使用自适应类别抑制损失函数，训练长尾分布目标检测网络中的候选检测框生成网络RPN和整个长尾分布目标检测网络。检测系统，执行所述的无人机长尾目标检测方法。可读存储介质，使处理器实现所述的无人机长尾目标检测方法中的步骤。本申请改进了目标检测算法中的损失函数，提升了算法对无人机任务中长尾分布数据检测的正确率。

主权项：1.无人机长尾目标检测方法，其特征在于，包括如下步骤：获取无人机目标检测应用场景的长尾分布图像数据集；将所述长尾分布图像数据集划为训练数据集与测试数据集；构建长尾分布目标检测网络；通过训练数据集，训练长尾分布目标检测网络，得到长尾分布目标检测网络模型；将测试数据集输入训练好的长尾分布目标检测网络模型中，测试长尾分布目标检测网络模型，得到测试结果；根据测试结果调优长尾分布目标检测网络模型，得到调优后的最优长尾分布目标检测模型；应用最优长尾分布目标检测模型；其中，训练长尾分布目标检测网络的步骤包括如下：步骤401：通过公开的长尾目标检测数据集对长尾分布目标检测网络进行预训练；步骤402：通过所述训练数据集，使用自适应类别抑制损失函数，在步骤401预训练的基础上进一步训练长尾分布目标检测网络中的候选检测框生成网络；步骤403：锁住步骤401中预训练时训练好的候选检测框生成网络权重，使用自适应类别抑制损失函数，在预训练的基础上进一步训练整个长尾分布目标检测网络；步骤404：根据步骤403中进一步训练后的长尾分布目标检测网络，固定共享卷积层，继续训练候选检测框生成网络，对步骤402中进一步训练后的候选检测框生成网络进行调整；步骤405：锁住步骤404中进一步训练后的共享卷积层和候选检测框生成网络，继续对长尾分布目标检测网络进行训练微调，得到长尾分布目标检测网络模型。

全文数据：

权利要求：

百度查询： 杭州牧星科技有限公司 无人机长尾目标检测方法

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