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：本申请公开了一种基于扩散模型的旋转舰船目标细粒度检测方法，属于深度学习目标检测技术领域，本发明主要为了解决遥感舰船图像中目标任意角度分布、背景复杂的问题；该方法首次将扩散模型应用到旋转舰船目标检测中，有效解决舰船目标任意角度分布导致背景信息冗余的问题，同时利用扩散模型固有的去噪声能力有效解决舰船目标背景复杂的问题，提高了对于旋转舰船目标的细粒度检测精度。
主权项：1.一种基于扩散模型的旋转舰船目标细粒度检测方法，其特征在于：包括以下步骤：步骤1：采用对舰船类别细分，并具有旋转框标注的数据集；构建遥感舰船图像从真值框到噪声框的扩散过程，训练模型逆转这一扩散过程；在步骤1中，从输入的遥感舰船图像x0开始，前向加噪声过程通过添加t∈{0,1,...,T}步的高斯噪声ε得到{x1,x2,...,xT}，其前向过程为： 其中，qxt|xt-1表示每一步加入的高斯噪声分布；βt是高斯分布方差的超参数，I表示与输入图像x0具有相同维数的单位矩阵；反向去噪声过程逐渐从xT中恢复原始遥感舰船图像x0，去噪过程的每一步都采用神经网络来学习，其过程可以表示为： 其中，θ表示待优化神经网络的参数，通常基于U-Net网络架构；步骤2：对输入的原始遥感舰船图像进行特征提取，选取ResNet-50作为特征提取网络，生成大小不同的特征图,采用特征金字塔网络FPN来进行特征融合得到{P2,P3,P4,P5,P6}五个级别的特征图，然后通过旋转区域建议OrientedROIAlign网络；步骤3：在原始水平框的基础上生成有方向的旋转框，引入旋转框外接矩形的上边缘偏移量Δα和右中点偏移量Δβ两个参数；步骤4：检测头由两个全连接层构成，将建议框映射到特征金字塔网络的P2:P5层，并按照固定大小提取特征，然后来自不同特征图的特征块进行融合运算，最后输出到两个全连接层进行分类和回归操作，得到舰船目标的具体位置和类别。
全文数据：
权利要求：
百度查询： 长春理工大学 一种基于扩散模型的旋转舰船目标细粒度检测方法
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