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：天津大学

摘要：本发明涉及一种用于无人机航摄图像分析的目标检测方法，其主要技术特点是：获取训练集样本和验证集样本；构建航摄图像目标检测网络模型：对航摄图像目标检测网络模型进行预训练；对预训练后的航摄图像目标检测模型进行模型训练，获得最优网络模型，使用最优网络模型进行航摄图像目标检测：获得航摄图像中目标的类别和位置信息。本发明构建了基于增强瓶颈残差模块的轻量级主干网络，在特征融合网络及预测网络中利用深度可分离卷积降低了网络的参数量和计算量，同时利用CIoU损失计算回归损失，在不额外增加推理时间的情况下提高了模型的检测精度。

主权项：1.一种用于无人机航摄图像分析的目标检测方法，其特征在于：包括以下步骤：步骤1、航摄图像数据集准备：将若干数量的航摄图像按比例随机划分，获得训练集样本和验证集样本；步骤2、构建航摄图像目标检测网络模型：该航摄图像目标检测网络模型由增强瓶颈残差网络、池化网络、特征融合网络和预测网络四部分构成；步骤3、对航摄图像目标检测网络模型进行预训练，获得增强瓶颈残差网络的初始化参数；步骤4、对初始化后的航摄图像目标检测模型进行模型训练；步骤5、对航摄图像目标检测网络模型进行收敛判断：如果损失函数不收敛则调整学习率优化网络参数，进入步骤4；如果损失函数收敛则停止训练，获得最优网络模型，进入步骤6；步骤6、使用最优网络模型进行航摄图像目标检测：利用无人机获取航摄图像，将航摄图像导入到最优网络模型中进行计算，获得航摄图像中目标的类别和位置信息；所述步骤2的具体实现方法包括以下步骤：步骤2.1、增强瓶颈残差网络对输入图像进行特征提取得到输出特征矩阵：该增强瓶颈残差网络由m个尺寸不一的增强瓶颈残差模块堆叠而成，增强瓶颈残差模块首先通过3×3深度卷积和ReLU6激活函数对特征信息进行编码；然后使用1×1逐点卷积和线性激活函数进行通道压缩；接下来使用1×1逐点卷积和ReLU6激活函数进行通道扩张，最后采用3×3深度卷积和线性激活函数用于特征提取；当第二个深度卷积的步长为1时，增强瓶颈残差模块将输入和第二个深度卷积的输出进行相加运算得到输出特征矩阵；当第二个深度卷积的步长为2时，增强瓶颈残差模块在输入和输出之间设置一个2×2最大池化分支用于加强前后层特征融合并促进梯度反向传播，2×2最大池化分支由2×2最大池化和1×1逐点卷积两部分组成，池化层用于提取特征信息，卷积层用于对通道信息进行编码，然后将池化分支的输出和深度卷积的输出进行相加运算得到输出特征矩阵；步骤2.2、池化网络将步骤2.1中得到的特征矩阵通过四个不同窗口大小的最大池化运算，然后将池化操作得到的特征矩阵进行特征拼接，得到池化后的特征矩阵；步骤2.3、将步骤2.1和步骤2.2的输出作为特征融合网络的输入，特征融合网络将具有丰富语义信息的深层特征和细节较多的浅层特征进行融合，得到融合后的三个特征矩阵；步骤2.4、将步骤2.3输出的三个特征矩阵分别进行3×3深度可分离卷积和1×1卷积运算，得到预测信息；所述步骤4的具体实现方法为：使用训练集对航摄图像目标检测网络模型进行训练，在网络训练过程中，利用置信度损失、回归损失和分类损失的复合损失函数用于指导模型训练；其中，置信度损失计算采用的是融合焦点损失的交叉熵损失函数，其赋予正样本权重因子α，以调整正样本的损失，并添加了一个调制因子γ，以降低简单样本的损失；利用CIoU计算回归损失；利用交叉熵损失计算分类损失。

全文数据：

权利要求：

百度查询： 天津大学 用于无人机航摄图像分析的目标检测方法