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：长春理工大学
摘要：本发明属于目标检测领域，公开了一种基于状态空间模型的红外无人机群检测方法，该方法具体包括如下步骤：S1，准备数据集：准备三种红外无人机图像数据集，第一红外数据集和第二红外数据集用于网络训练和模型微调，第三红外数据集用于模型测试，本发明，设计了一种全新的MOLO目标检测网络，将思想融入主干网络和颈部网络，使网络具有线性复杂度、全局感受野和动态权重，设计了大核稀疏化结合空间自适应的视觉状态空间模型VSS‑D特征提取模块，设计一个辅助可逆分支，帮助主干网络接收可靠的梯度信息，解决深度网络信息瓶颈导致的重要信息丢失问题。实验数据证明在多种背景下红外无人机群目标检测任务中都表现出了良好的性能。
主权项：1.一种基于状态空间模型的红外无人机群检测方法，其特征在于：该方法具体包括如下步骤：S1，准备数据集：准备三种红外无人机图像数据集，第一红外数据集和第二红外数据集用于网络训练和模型微调，第三红外数据集用于模型测试；S2，设计基于状态空间模型的VSS-D特征提取模块：该模块包括状态空间算子SS2D、深度扩张卷积、深度卷积、通道卷积、归一化层、线性层和激活函数；S3，构建MOLO网络模型：构建一种新型目标检测网络MOLO，其中包括主干网络、颈部网络、四头检测头和辅助可逆分支；S4，训练网络模型：利用第一红外图像数据集对网络模型进行训练；S5，设计损失函数并确定评价指标：改进新的复合损失函数，提高小目标的检测精度，使得类别分类损失、边框回归损失和包围框相似度损失最小，设定训练损失阈值，不断迭代优化模型，直至损失函数的值达到设定阈值，保存模型参数；选择最优评价指标，对模型的精度和性能进行评价；S6，微调模型，用第二红外图像数据集对模型进行训练和微调，优化模型参数，提高网络性能，得到更准确的目标检测结果；S7，保存模型，待S5微调训练后，固化所有网络参数，确定最终目标检测模型。
全文数据：
权利要求：
百度查询： 长春理工大学 一种基于状态空间模型的红外无人机群检测方法
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