龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：兰州交通大学
摘要：本发明涉及遥感图像处理领域，具体为一种基于Transformer端到端的遥感图像车辆目标检测方法，有效的解决了遥感图像因分辨率较低、背景复杂、检测目标较小且密集而导致的漏检及错检的情况；实现步骤为：首先，首先将数据输入网络中进行数据预处理，通过水平翻转、垂直翻转、随机选取和裁剪等数据增强方式扩充数据训练集。其次，通过在主干网络ResNet采用新的卷积神经网络SPD‑Conv对特征图进行降采样。再次，引入采用了SMU激活函数的轮询采样模块和池化采样模块减少背景区域的空间冗余计算。最后，在Transformer网络中引入残差自注意网络来减轻秩崩溃。本发明可以提高遥感图像车辆目标检测的精度和效率。
主权项：1.一种基于Transformer端到端的遥感图像车辆目标检测方法，其特征在于，包括：S1、获取待检测的遥感图像，并对所述遥感图像进行数据预处理；S2、将处理的图像输入到采用卷积神经网络模块SPD-Conv的主干网络ResNet50中转换为尺度特征，得到网格结构图像特征图；S3、将网格结构图像特征图进行离散采样输入到轮询采样模块中，得到精细特征图；其中，所述S3中，轮询采样模块采用平滑最大值技术的SMU激活函数，轮询采样模块计算每个空间特征位置的信息性得分的计算式为：sij＝ScoringNetfij,θs式中，fij是位置i,j处的特征向量，sij是空间特征位置的得分；所有空间特征位置的分数排序的计算式为： Ff＝[fl|l＝1,2,...,N]式中，是排序顺序；L是图像的空间特征值数量，N是图像形成的精细特征值的数量，N＝αL，其中α为轮询比率；反向传播实现ScoringNet的学习的计算为：Ff＝[LayerNormfl*sl,|l＝1,2,...,N]；S4、将经过轮询采样模块之后剩余的特征向量在池化采样模块中进行加权池化，得到粗略特征图；S5、利用Transformers中具有直接映射连接结构的编码器和解码器对精细和粗略特征图进行信息的融合；S6、使用损失函数对网络进行调参，当损失函数值最小时，前馈神经网络输出每个目标对象的类别和位置，否则重复步骤S3～S6。
全文数据：
权利要求：
百度查询： 兰州交通大学 一种基于Transformer端到端的遥感图像车辆目标检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号