申请/专利权人：中国矿业大学(北京)

申请日：2023-10-24

公开（公告）日：2024-06-21

公开（公告）号：CN117351359B

主分类号：G06V20/10

分类号：G06V20/10;G06V20/17;G06V10/774;G06V10/44;G06V10/776;G06V10/766;G06N3/045;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.01.23#实质审查的生效;2024.01.05#公开

摘要：本发明公开了一种基于改进MaskR‑CNN的矿区无人机影像沙棘识别方法及系统，其方法包括：S1、构建包括特征提取网络、注意力机制模块、RPN区域生成网络、检测头网络系统的改进MaskR‑CNN网络模型，特征提取网络对输入影像处理得到特征图P2～P6；S2、注意力机制模块对输入特征图加权处理得到特征图Q2～Q6；S3、RPN区域生成网络遍历特征图Q2～Q6每个像素点并得到候选目标区域RoIs；检测头网络系统经过识别与分割相结合的处理得到包含边界框、类别信息的特征图像；S4、采集研究区的正射影像输入训练后的改进MaskR‑CNN网络模型并得到所对应的特征图像。本发明提高了沙棘的识别效率和准确性，能够更可靠地捕捉和分析沙棘植被数据，为矿区沙棘的管理和维护提供有力支持。

主权项：1.一种基于改进MaskR-CNN的矿区无人机影像沙棘识别方法，其特征在于：其方法包括：S1、构建沙棘正射影像样本集，沙棘正射影像样本集包括沙棘正射影像样本及对应的类别标签；基于Pytorch构建改进MaskR-CNN网络模型，改进MaskR-CNN网络模型以ResNet-50网络与FPN网络作为特征提取网络，ResNet-50网络对输入影像进行特征提取得到特征图C1～C5，然后经过1×1卷积操作输入FPN网络，FPN网络通过上采样、卷积处理得到融合上下层特征的特征图P2～P6；S2、改进MaskR-CNN网络模型在特征提取网络后端设有注意力机制模块，注意力机制模块对输入特征图进行长度、宽度方向的位置信息编码分成两个方向的特征向量，接着经过卷积调整两个方向特征向量的通道数，再经过Sigmoid函数处理并与输入特征图进行加权处理得到特征图Q2～Q6；S3、改进MaskR-CNN网络模型在注意力机制模块后端还设有检测头网络系统，在注意力机制模块与检测头网络系统之间还设有RPN区域生成网络，RPN区域生成网络遍历特征图Q2～Q6每个像素点并得到候选目标区域RoIs；检测头网络系统包括识别网络和分割网络，检测头网络系统将候选目标区域RoIs与特征图Q2～Q6进行对齐处理，识别网络通过一个卷积层和和两个全连接层得到目标的边界框和类别信息；分割网络产生与目标叶片大小、形状一致的掩膜对目标叶片图像进行分割。最后将识别与分割结果相结合得到包含边界框、类别及掩膜信息的特征图像，特征图像与输入特征图相对应；所述候选目标区域RoIs得到方法如下：RPN区域生成网络遍历特征图Q2～Q6每个像素点生成若干个锚框Anchor，对每个锚框Anchor使用卷积层、Sigmoid激活函数计算目标的对数几率Logits，通过softmax激活函数得到每个锚框Anchor的得分Probs；同时使用卷积层、线性激活函数计算其与最接近的真实目标框之间的偏移量，将计算出的偏移量累加到锚框Anchorbox上得到box坐标；接着利用ProposalLayer层取出前N个得分最高的锚框Anchor，剔除重复的框得到RPN_RoIs；然后利用DetectionTargetLayer层计算每个RPN_RoIs与真实框之间的IoU值，将大量的RPN_RoIs缩减为候选目标区域RoIs；S4、向改进MaskR-CNN网络模型输入沙棘正射影像样本集进行模型训练，采集研究区的正射影像输入训练后的改进MaskR-CNN网络模型，输出得到正射影像所对应的特征图像，特征图像包含边界框、类别及掩膜信息。

全文数据：

权利要求：

百度查询： 中国矿业大学(北京) 基于改进Mask R-CNN的矿区无人机影像沙棘识别方法及系统

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。

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