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：华东交通大学
摘要：本发明提供一种基于改进RetinaNet的遥感图像目标检测模型，本发明引入了改进的下采样模块，将其嵌入到RetinaNet骨干网络中，融合三种下采样方法对提取到的特征来生成下采样图像特征，增强模型捕获复杂细节的能力，利用核选择模块的卷积核选择机制动态选择空间感受野，增强模型提取并融合多尺度特征信息的能力，进而对多尺度的信息进行建模，最后得到目标物体的分类和回归结果，实验结果表明，本发明的模型在大规模遥感图像目标检测数据集DOTA上的全类平均准确率优于传统的RetinaNet目标检测模型，能够更精确地检测遥感目标。
主权项：1.一种基于改进RetinaNet的遥感图像目标检测模型，包括RetinaNet骨干网络、特征金字塔和分类回归子网，其特征在于，在所述RetinaNet骨干网络中引入改进的下采样模块，所述模型还包括核选择模块；所述骨干网络在进行残差学习时采用所述改进的下采样模块进行下采样，所述改进的下采样模块将输入的图像特征P复制为图像特征P1和图像特征P2，其中，P∈RH×W×C，R表示实数，W、H和C分别表示图像特征的宽度、高度和通道数量，所述改进的下采样模块对图像特征P1进行切片下采样，经过切片处理得到四个空间下采样后的图像特征C1、C2、C3和C4，切片下采样的过程，在通道维度，拼接图像特征C1、C2、C3和C4，得到新的图像特征，经过拼接，使图像特征P1的通道数量由C增加到4C，接着，再使用步长为1的1×1卷积运算将新的图像特征的通道数量压缩为2C，得到图像特征Q1；所述改进的下采样模块对图像特征P2采用两个分支进行处理，在其中一个分支，使用步长为1、尺寸为3×3的分组卷积GConv处理，然后使用步长为2的3×3卷积进行下采样，并使用GELU激活函数和归一化层，得到图像特征Q2；在另一个分支上，使用步长为1、尺寸为3×3的分组卷积GConv处理，并做最大池化和归一化处理，得到图像特征Q3；在通道方向上拼接图像特征Q1、Q2和Q3，并在拼接结果上使用1×1卷积层，得到图像特征；所述核选择模块根据输入图像的特性动态选择多种不同的卷积核融合特征。
全文数据：
权利要求：
百度查询： 华东交通大学 基于改进RetinaNet的遥感图像目标检测模型
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