申请/专利权人：北京理工大学长三角研究院(嘉兴)

申请日：2024-06-06

公开（公告）日：2024-07-05

公开（公告）号：CN118298340A

主分类号：G06V20/17

分类号：G06V20/17;G06V10/40;G06V10/774;G06V10/764;G06V10/766;G06V10/80;G06V10/74

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明公开了一种基于先验知识的无人机航拍密集目标检测方法，属于无人机航拍目标检测的技术领域；采用基于深度学习的目标检测方法，并且引入密度图提高特定区域的关注程度，并且能输入新的目标图像抑制或者添加某种类别的检测结果，通过同一类的范例特征作为先验知识，本发明采用上述方法，为了适应无人机实际航拍应用中，背景和待检测的目标都复杂多变的情况，基于深度学习的目标检测算法可以更好地提取航拍图像中的目标特征，以完成检测任务。并且引入密度图机制，通过专注权重生成模块以生成注意力权重图，与特征图进行融合，对检测区域进行显著或者抑制地提示引导，更加准确地定位和关注目标区域。

主权项：1.一种基于先验知识的无人机航拍密集目标检测方法，其特征在于：包括以下步骤：S1：在无人机上建立目标检测模型，包括特征提取模块、特征增强模块、相关度匹配模块、密度图生成模块、专注权重生成模块和检测头模块；S2：训练阶段，通过真值标签为范例图中的每一个目标种类提供一个范例标注框，输入带有范例标注框的范例图像，经过特征提取和特征增强模块后，对范例标注框的内容进行截取，得到范例特征，一种范例特征是一类先验知识；将带有真值标签的原图同样经过特征提取和特征增强模块，得到原图特征；S3：将原图特征与范例特征一起输入到相关度匹配模块，经过相关度计算，得到相关度图；S4：将相关度图输入到密度图生成模块中，生成密度图，对密度图积分求和得到计数结果，将密度图输入到专注权重生成模块，得到注意力权重图；S5：将注意力权重图和原图特征进行融合，得到对于各区域有专注度差异的特征图，输入到检测头模块中，输出结果为回归、位置置信度和分类信息，使用输出结果反向对检测头模块进行优化；S6：识别阶段中，将步骤S2中的带有真值标签的原图替换为待识别的原图，根据训练阶段获取到的每种类别的先验知识进行识别，检测头模块输出带有识别框的位置信息和分类信息，结合步骤S4中的计数结果，目标检测模型输出识别框的位置信息和分类信息以及识别框的计数结果。

全文数据：

权利要求：

百度查询： 北京理工大学长三角研究院(嘉兴) 一种基于先验知识的无人机航拍密集目标检测方法

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。

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