申请/专利权人:南京逸智网络空间技术创新研究院有限公司
申请日:2021-06-29
公开(公告)日:2024-06-14
公开(公告)号:CN113536986B
主分类号:G06V20/13
分类号:G06V20/13;G06V10/40;G06V10/74;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.06.14#授权;2021.11.09#实质审查的生效;2021.10.22#公开
摘要:本发明公开了一种基于代表特征的遥感图像中的密集目标检测方法,包括:构建特征提取网络、特征金字塔网络、初步预测网络和最终预测网络,将待检测遥感图像依次输入到特征提取网络和特征金子塔网络中;将初步特征图输入到初步预测网络中,在数据集所有类别中选取每个类别语义信息的代表特征和各个类别在整张特征图中代表置信度;将初步预测网络输出的特征图输入到最终预测网络中,计算同类别的代表特征与最终特征图相同位置特征向量之间的相似度;以相似度为权重,在困难正样本分类置信度基础上自适应提升分类置信度。本发明利用代表特征和代表置信度自适应提升了困难正样本分类置信度,提升了遥感图像密集场景下的困难正样本的分类能力。
主权项:1.一种基于代表特征的遥感图像中的密集目标检测方法,其特征在于,包括如下步骤:1构建四个网络模块,包括特征提取网络、特征金字塔网络、初步预测网络和最终预测网络,将待检测遥感图像依次输入到特征提取网络和特征金子塔网络中,输出初步特征图;2将初步特征图输入到初步预测网络中,在数据集所有类别中选取每个类别语义信息的代表特征和各个类别在整张特征图中代表置信度;3将初步预测网络输出的特征图输入到最终预测网络中,得到最终特征图,计算同类别的代表特征与最终特征图相同位置特征向量之间的相似度;4以步骤3得到的相似度为权重,在困难正样本分类置信度基础上自适应提升分类置信度,作为困难正样本的最终分类置信度。
全文数据:
权利要求:
百度查询: 南京逸智网络空间技术创新研究院有限公司 一种基于代表特征的遥感图像中的密集目标检测方法
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。