一种基于半监督自编码器的航拍目标检测方法及电子设备技术

本申请涉及半监督模式下的无人机小目标检测和识别技术领域，具体公开了一种基于半监督自编码器结构的航拍目标检测方法，包括上下文信息的引入、同源图像相似目标推演以及深浅网络信息的综合利用。本发明专利技术通过构建基于多帧特征表示的输入矩阵引入了上下文信息，并通过注意机制融合多帧特征表示剔除了无关干扰特征，提升了模型的检测能力。同时，利用高斯核函数度量上一帧的输出特征表示与当前帧的特征表示相似程度，推演当前帧的标签信息，将有限的数据信息扩散至全局。最后，综合利用浅层边缘信息和深层语义信息，避免细小目标特征在深层网络训练过程中逐渐丢失，降低细小目标漏检概率。概率。概率。

【技术实现步骤摘要】
一种基于半监督自编码器的航拍目标检测方法及电子设备


[0001]本申请涉及半监督模式下的无人机小目标检测和识别
，具体涉及一种基于自编码器的航拍目标检测方法及电子设备。

技术介绍

[0002]目标检测技术是无人机侦察系统的重要组成部分，旨在通过计算机代替人工长时间检测和记录重要目标的相关信息。伴随深度学习技术的发展，为目标检测技术带来了新的机遇与挑战，一方面深度学习能够减少人为设计模型的不完备性，加强模型的自主学习能力，精准地进行特征提取，但另一方面模型需要依靠大量高质量且分布均匀的数据集进行训练，而无人机侦察系统中待检测目标较小且分布稀疏等特点使得获取此类数据集也并非易事。因此，针对无人机场景下的细粒度小目标检测技术，通过半监督等模式弥补深度学习数据量不足是一门具有广泛应用前景的前沿技术。
[0003]与显著目标检测不同，细粒度小目标的特征提取过程更容易受到来自其他目标、背景噪声的影响。同时，小目标在数据集分布不均、稀疏等特点更易导致目标检测算法的泛化性能下降。
[0004]基于此，目前的细小目标检测技术主要有两种思路，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于半监督自编码器结构的航拍目标检测方法，其特征在于：包括以下步骤：(1)对图像数据集进行标注，将其划分为训练集和测试集，并对训练集和测试集的图像数据进行预处理；(2)搭建自编码器模型，对所述自编码器模型的权重和偏移量进行初始化；(3)将张量矩阵作为所述自编码器模型的输入矩阵，得到自编码器模型的输出，其中张量矩阵由训练集图像数据构建的当前帧图像数据与前一帧图像数据特征相加后得到，张量矩阵为：X
in
＝X
i
+af
i
‑1(X
i
‑1)，其中，a为权衡系数，取值范围[0,1]；X
i
为当前帧图像数据预处理后的特征矩阵，f
i
‑1(X
i
‑1)为前一帧的自编码器模型的输出特征表示，X
in
为当前帧的输入特征表示；(4)根据输入矩阵以及自编码器模型的输出，计算输入图像与输出图像的损失值，并根据损失函数计算并完成权重和偏移量的更新；(5)重复步骤(3)
‑
(4)，完成训练集图像的训练，得到训练好的模型；(6)将测试集的图像数据输入训练好的模型，得到检测结果。2.根据权利要求1所述的一种基于半监督自编码器结构的航拍目标检测方法，其特征在于：所述自编码器模型包括主干网络、自编码器、第二感受野和解码组件的模型，将输入矩阵输入主干网络进行特征提取，主干网络的输出进入自编码器进行深层特征提取，自编码器包括N层子自编码器，经过前一层子自编码器的隐藏层后的输出输入下一层子自编码器，每层子自编码器的输出分别输入第二感受野，第二感受野的输出输入解码组件。3.根据权利要求2所述的一种基于半监督自编码器结构的航拍目标检测方法，其特征在于：所述自编码器模型的输出输入注意力机制，注意力机制的输出输入下一帧的自编码器。4.根据权利要求1所述的一种基于半监督自编码器结构的航拍目标检测方法，其特征在于：根据所述训练集中图像标注信息，训练得到图像信息到标注信息间的映射关系f:X
i
→
Y
i
。5.根据权利要求1所述的一种基于半监督自编码器结构的航拍目标检测方法，其特征在于：通过高斯核函数度量当前帧图像与上一帧图像的相似程度，利用上一帧图像的标注信息推演出当前帧的可能存有的标注信息，即通过扩散函数获得所述当前帧图像的标注信息：α,S分别为权衡系数和扩散权重，0<α<1。6.根据权利要求5所述的一种基于半监督自编码器结构...

【专利技术属性】
技术研发人员：连思铭，魏雅川，朱娜，景彦哲，
申请(专利权)人：北京航天控制仪器研究所，
类型：发明
国别省市：