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：北京自动化控制设备研究所

摘要：本发明提供一种基于深度学习的视觉导航品质因子分类方法及计算机设备，该方法包括：采集图像数据和导航数据，并对采集的数据采用图像匹配算法进行预处理，构建视觉导航品质因子分类数据集，作为原始训练数据；构建基于深度学习的品质因子分类网络，包括：品质因子分类网络采用卷积神经网络架构以完成二分类任务，其包括主干网络模块和全连接层模块，其中，主干网络模块用于将输入数据映射到网络的特征空间，学习网络的特征图，全连接层对主干网络的特征图进行解码，通过将主干网络学习到的各类模式和特征进行非线性组合以输出分类的置信度和类别；将原始训练数据集输入到品质因子分类网络中进行视觉导航品质分类训练，使训练后的品质因子分类网络输出视觉导航品质等级和置信度；实时采集图像数据和导航数据，将实时采集的数据采用图像匹配算法处理后输入训练后的品质因子分类网络进行视觉导航品质的自动分类。

主权项：1.一种基于深度学习的视觉导航品质因子分类方法，其特征在于，所述方法包括：采集图像数据和导航数据，并对采集的数据采用图像匹配算法进行预处理，构建视觉导航品质因子分类数据集，作为原始训练数据，具体包括：通过相机采集红外航拍图像，同时通过惯导和卫星接收机提供导航数据基准；根据导航基准数据获取的对应的飞行区域，确定商业地图范围，并通过商业卫星地图软件获取航拍图像对应的商业地图，将所述商业地图与所述红外航拍图像共同作为图像匹配算法的输入，经图像匹配算法处理后的数据制作品质因子分类数据集；构建基于深度学习的品质因子分类网络，包括：所述品质因子分类网络采用卷积神经网络架构以完成二分类任务，其包括主干网络模块和全连接层模块，其中，所述主干网络模块用于将输入数据映射到网络的特征空间，学习网络的特征图，所述全连接层模块对所述主干网络的特征图进行解码，通过将主干网络学习到的各类模式和特征进行非线性组合以输出分类的置信度和类别；所述全连接层模块包括含三层全连接，三层全连接的输出通过分别为32、16、2，在训练时，所述全连接层模块输出的分类结果还通过Softmax进行归一化，输出二分类的置信度，其中，取置信度较大的作为品质等级，对应的置信度为品质等级的概率；将所述原始训练数据集输入到所述品质因子分类网络中进行视觉导航品质分类训练，使训练后的品质因子分类网络输出视觉导航品质等级和置信度；实时采集图像数据和导航数据，将实时采集的数据采用图像匹配算法处理后输入训练后的所述品质因子分类网络进行视觉导航品质的自动分类；所述图像匹配算法处理具体包括：通过图像匹配算法对航拍图像和商业地图进行推理，将输出结果通过RANSAC外点剔除算法进行再处理，最终得到单应矩阵和内点数量，其中，输出结果中航拍图像和商业地图的宽高、特征点数量、匹配数量、内点数量和单应矩阵参数共16个参数作为品质因子分类网络的输入。

全文数据：

权利要求：

百度查询： 北京自动化控制设备研究所 基于深度学习的视觉导航品质因子分类方法及计算机设备