欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023103523166
申请人: 河南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于特征融合的遥感图像目标检测方法,其特征在于,包括:

步骤1:获取遥感图像目标检测数据集,并对数据进行预处理;所述预处理包括格式转换及划分数据集;

步骤2:对YOLOv5网络进行改进,包括:将特征融合网络PANet中的C3模块替换为金字塔特征细化模块,将检测头替换为构建的轻量级解耦检测头;

所述金字塔特征细化模块由标准卷积,金字塔特征细化单元和Concat三种类型的操作堆叠而成;所述金字塔特征细化模块包含两条分支路径,一条仅包含标准卷积,另一条由标准卷积和金字塔特征细化单元组成,其中每一层标准卷积都包括1×1Conv+BN+SiLU;

所述金字塔特征细化模块的具体操作过程如下:首先使用2个1×1标准卷积将输入划分为通道数相同的两部分,接着将其中一条分支依次通过3个金字塔特征细化单元增强特征的表征能力,最后将两个分支上的特征图进行拼接和卷积操作;

所述金字塔特征细化单元由标准卷积、GSConv组成,其中每一层标准卷积都包括1×1Conv+BN+SiLU,GSConv都包括3×3GSConv+BN+SiLU;金字塔特征细化单元通过三条路径对输入特征图进行GSConv操作,每条路径通过串联不同个数的3×3GSConv,以此实现特征的多尺度学习;

所述金字塔特征细化单元的具体操作过程如下:首先通过1×1标准卷积增加网络的非线性,使得网络可以表达更复杂的特征,接着通过感受野大小依此等效为3×3GSCon v、5×5GSConv、7×7GSConv的路径对融合后的特征图进行多尺度学习,每条路径的输出特征图大小为40×40×512,之后连接Concat和1×1标准卷积操作,最终输出为40×40×512;

所述轻量级解耦检测头由标准卷积和GSConv组成,其中标准卷积包括1×1Conv+BN+SiLU, GSConv包括3×3GSConv+BN+SiLU;轻量级解耦检测头通过共享的1×1标准卷积和3×3GSConv对输入的检测特征图进行卷积操作,然后连接两个并行的分支,一个用于分类任务,另一个用于回归任务;经过特征融合网络输出三个大小依次为80×80×256,40×40×512,20×20×1024的检测特征图,分别用来预测大、中、小目标;在每个检测特征图后连接轻量级解耦检测头;在轻量级解耦检测头中,首先通过1个1x1的标准卷积,将特征图维度分别从256、512、1024减少到256,接着是一个共享的3×3GSConv,输出依次为80×80×256,40×40×256,20×20×256,最后是两个平行分支,一个用于分任务,另一个用于回归任务;

步骤3:基于划分后数据集对改进后YOLOv5网络进行训练,保存最佳模型;

步骤4:基于划分后数据集对保存的最佳模型进行测试,得到遥感图像目标检测结果。

2.根据权利要求1所述的一种基于特征融合的遥感图像目标检测方法,其特征在于,所述基于划分后数据集对保存的最佳模型进行测试,包括:将预处理完成的遥感图像送入CSPDarknet-53特征提取网络,经过多次下采样操作,得到多个不同尺度的特征图;

基于改进的YOLOv5网络的特征融合网络对得到的不同尺度的特征图进行特征融合,输出多个不同尺度的检测特征图;

将输出的多个不同尺度的检测特征图送入改进的YOLOv5网络的检测网络进行目标的识别与定位。

3.根据权利要求1所述的一种基于特征融合的遥感图像目标检测方法,其特征在于,还包括:

引入Ghost Shuffle卷积,并以该卷积替换金字塔特征细化模块和轻量级解耦检测头中的3×3标准卷积。