申请/专利权人：哈尔滨工业大学(威海)

申请日：2024-04-25

公开（公告）日：2024-06-21

公开（公告）号：CN118230171A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/25;G06V10/40;G06V10/74;G06V10/82;G06N3/045;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明涉及基于YOLOv7的遥感船舶小目标检测方法。本发明的目的是通过改进检测层、引入损失函数以及改进主干来提高遥感船舶小目标检测准确率。该算法主要包括数据集增强、添加小目标检测层、引入NWD损失函数以及改进主干ELAN模块四个步骤。改进算法在本文图像数据集中具有良好的检测性能，有效提高遥感船舶小目标检测准确率。

主权项：1.基于YOLOv7的遥感船舶小目标检测方法，其特征在于如下步骤：第一步：添加小目标检测层；首先在YOLOv7网络上采样部分添加ELAN模块、CBS模块实现三次上采样操作；然后通过三次上采样后的ELAN模块生成具有160×160分辨率的检测头，提高检测微小目标准确率；第二步：引入NWD损失函数，降低IoU损失函数对小物体位置偏差的敏感性，具体实现如下：1小目标信息集中在边界框中心，背景信息集中在边界框的周边；用二维高斯分布描述边界框不同像素权重，中心像素权重最高，边界像素最低；假设cx，cy是水平边界框的中心坐标，w表示边界框宽度，h表示边界框的高度，则边界框的内接椭圆可以表示为： 其中，cx,cy椭圆的中心坐标，是沿x轴和y轴的半轴长度；2二维高斯分布的概率密度函数如式2所示： 其中，X表示高斯分布坐标x,y，μ表示高斯分布的均值向量，Σ表示高斯分布的协方差矩阵；3当满足式3时，通过式1的内接椭圆和二维高斯分布，可将水平边界框建模成二维高斯分布Nμ，Σ，其中X-μT∑-1X-μ＝13 4通过式4可将边界框A和边界框B之间的相似性转化为高斯分布之间的距离；假设有高斯分布μ1＝N1m1,Σ1和μ2＝N2m2,Σ2，用二阶Wasserstein距离计算边界框A与B之间的分布距离，式子如下： 其中，||·||F为弗罗贝尼乌斯范数；5将高斯分布μ1＝N1m1,Σ1和μ2＝N2m2,Σ2整理，可将式5简化，如式6所示： 式中，W22Na,Nb表示距离的度量；cxa,cya表示边界框A的中心坐标，wa和ha表示边界框A的宽度和高度；cxb,cyb表示边界框B的中心坐标，wb和hb表示边界框B的宽度和高度；6由于W22Na,Nb不能直接作为高斯分布之间相似性的度量，因此，对式6进行指数形式的归一化，得到NWD距离，如式7所示： 其中，C为常数；7引入NWD损失函数，如式8所示：LossNWD＝1-NWDNp,Ng8其中，Np为预测的高斯分布，Nq为实际的高斯分布；第三步：将NWD损失函数和CIoU损失函数结合，降低IoU对小物体位置偏差的敏感性并保持原始模型的精度；结合后总损失函数如下：Loss＝λ*LossCIoU+1-λ*LossNWD9其中，λ为CIoU损失函数的权重；第四步：改进主干ELAN模块；具体实施操作是将CBAM注意力模块加入到ELAN模块中特征提取处的4个3*3卷积中间位置，利用CBAM注意力模块在空间和通道的双重作用进一步提高对特征的提取能力，将得到的ELAN模块命名为ELAN-CM。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(威海) 基于YOLOv7的遥感船舶小目标检测方法

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