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: 2025111248846
申请人: 广东海洋大学
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:

1.一种轻量化旋转目标检测方法,其特征在于,所述方法包括以下步骤:建立MCFONet模型,所述MCFONet模型包括骨干特征提取网络、多尺度特征融合网络及旋转检测头;通过骨干特征提取网络对输入特征图进行特征提取,得到多张不同目标维度的局部空间特征图;通过多尺度特征融合网络对多张局部空间特征图进行上采样,得到多张上采样特征图;通过旋转检测头对多张上采样特征图进行几何回归、角度预测与特征分类,得到最终角度参数;

获取数据集,通过所述数据集对MCFONet模型进行训练,得到训练好的MCFONet模型;其中,所述数据集包含多个不同标注密度的样本图像,所述样本图像标注有类别信息、旋转边界框和旋转角度;

获取待检测的目标图像,将目标图像输入训练好的道路提取模型,得到该目标图像的旋转角度;

所述样本图像的旋转角度通过以下方式得到:

确定样本图像的原始边界框坐标,建立以样本图像的中心为基准的椭圆参数化模型;

在目标感兴趣区域内,采用高斯核对样本图像进行多尺度平滑,通过Canny算子计算梯度幅值,并结合双阈值筛选显著边缘点,得到样本图像的轮廓点集;

采用基于周长的排序策略从轮廓点集中保留主导轮廓,通过最小二乘法对主导轮廓拟合得到样本图像的主轴方向向量;

基于主轴方向向量确定样本图像的主轴方向,对轮廓点集在主轴方向上的投影方差进行最小化求解,通过中心矩的代数组合计算得出样本图像的旋转角度;

所述骨干特征提取网络包括主干网络和UIB模块,所述主干网络包括多层阶段,所述UIB模块嵌入在主干网络中位于较高层的多层目标阶段;

所述通过骨干特征提取网络对输入特征图进行特征提取,得到多张不同目标维度的局部空间特征图,包括:通过UIB模块对输入特征图的通道维度进行扩展,在扩展后的通道维度对输入特征图进行深度卷积操作,提取输入特征图的扩展空间特征图;

通过逐点卷积将扩展空间特征图的通道数压缩至多层目标阶段的目标维度,在每层目标阶段输出对应目标维度的局部空间特征图;

所述通过旋转检测头对多张上采样特征图进行几何回归、角度预测与特征分类,得到最终角度参数,包括:对多张上采样特征图进行卷积操作,输出每张上采样特征图对应的角度偏移量,将角度偏移量约束至设定区间;

采用分布焦点损失对每张上采样特征图的坐标进行离散概率建模,得到估计的椭圆位置,对估计的椭圆位置与真实椭圆位置的差值进行加权求和,得到位置差值;

通过轻量化卷积层对位置差值进行估计,输出角度偏移量,将角度偏移量进行非线性变换后生成旋转角度;

通过双层深度可分离卷积提取上采样特征图的类别信息。

2.根据权利要求1所述的方法,其特征在于,所述通过多尺度特征融合网络对多张局部空间特征图进行上采样,得到多张上采样特征图,包括:通过输入投影模块将每层目标阶段输出的局部空间特征图映射到统一维度,得到与每层目标阶段一一对应的多张投影特征图;

通过SCDown模块对投影特征图进行上采样,得到与每层目标阶段一一对应的多张上采样特征图。

3.根据权利要求1所述的方法,其特征在于,所述对多张上采样特征图进行卷积操作,输出每张上采样特征图对应的角度偏移量,包括:在特征金字塔网络中,通过当前预测角度动态调节可变形卷积的角度偏移量Δp,;

其中,Δp为可变形卷积的偏移量,为角度编码函数,为基偏移量,表示当前预测的旋转角度。

4.根据权利要求1所述的方法,其特征在于,所述将角度偏移量约束至设定区间,包括:采用公式将角度偏移量约束至区间;

其中,为角度偏移量,表示当前预测的旋转角度。

5.一种轻量化旋转目标检测系统,其特征在于,包括:至少一个处理器;

至少一个存储器,用于存储至少一个程序;

当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1至4任一项所述的方法。

6.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至4任一项所述的方法。