申请/专利权人:南京师范大学;齐鲁空天信息研究院
申请日:2024-04-15
公开(公告)日:2024-06-25
公开(公告)号:CN118247680A
主分类号:G06V20/13
分类号:G06V20/13;G06V10/774;G06V10/766;G06V10/25;G06V10/82
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明公开了基于多时相异源遥感影像与伪孪生网络的海工平台目标检测方法,包括:构造海工平台数据集;构建海工平台目标检测模型,将YOLOv8网络结构原有的单分支主干特征提取结构改造为同时输入光学和SAR影像的海工平台目标检测模型的主干特征提取网络结构,获得各分支上三个不同尺度的有效特征层;分别构建基于光学和SAR影像的特征增强网络层;在特征增强网络层Neck部分的最后一层分别对光学和SAR影像的三个有效特征层进行特征融合;通过YOLOHead实现分类和回归;对模型训练得到预测网络模型;测试获得待检测的光学与SAR影像对中的海工平台目标检测框的位置信息。本发明对遥感影像上海工平台目标具有较好的检测效果。
主权项:1.基于多时相异源遥感影像与伪孪生网络的海工平台目标检测方法,其特征在于,包括:S1、构造基于多时相异源遥感影像的海工平台数据集;S2、构建基于YOLOv8网络结构的伪孪生网络的海工平台目标检测模型,将YOLOv8网络结构原有的单分支主干特征提取结构改造为能够同时输入不同时相的SAR影像和光学影像的海工平台目标检测模型的主干特征提取网络结构,获得各个分支上的三个不同尺度的有效特征层;再分别构建基于光学和SAR影像的特征增强网络层,实现各个分支上的有效特征层进一步的特征提取,提升模型对于海工平台小目标的特征提取能力;并在特征增强网络层Neck部分的最后一层中分别对光学和SAR影像的三个有效特征层进行特征融合,以获得不同尺度的特征信息;最后通过YOLOHead实现分类和回归操作得到预测和回归结果;S3、基于步骤S1中的基于多时相异源遥感影像的海工平台数据集训练步骤S2构建的海工平台目标检测模型,得到适用于该数据集场景的预测网络模型;S4、将待检测的光学和SAR影像对输入步骤S3得到的预测网络模型,输出待检测的光学和SAR影像对中的海工平台目标检测框的位置信息。
全文数据:
权利要求:
百度查询: 南京师范大学;齐鲁空天信息研究院 基于多时相异源遥感影像与伪孪生网络的海工平台目标检测方法
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。