基于改进YOLOv3的机场盲区遥感图像目标检测方法技术

本发明专利技术公开了一种基于改进YOLOv3的机场盲区遥感图像目标检测方法，首先，基于传统YOLOv3网络加入SPP混合池化提取网络结构，并提出以深度可分离卷积替代普通卷积；其次，针对小尺度目标数据集，增加了第四层金字塔加强特征提取网络，在kmeans++聚类算法的基础上提出一种线性放缩进行锚框筛选；再次，结合RSOD

【技术实现步骤摘要】
基于改进YOLOv3的机场盲区遥感图像目标检测方法


[0001]本专利技术属于图像识别
，具体涉及一种基于改进YOLOv3的机场盲区遥感图像目标检测方法。

技术介绍

[0002]遥感目标检测旨在遥感图像中获取重要目标的位置、种类等语义信息,在交通流量监测、交通疏导等领域中扮演了重要的角色。航空遥感数据包含了丰富的语义信息,通过识别遥感图像获取客机位置、态势等信息,将在很大程度上提升民航运行的安全性。
[0003]在实际运行中,过远台的进近航空器会在雷达屏幕上消失25～30秒,这一段视野盲区将对民航安全运行带来隐患。过去由于卫星技术的限制,针对遥感图像的目标检测技术难以发展。随着北斗全球卫星导航系统正式运营,对地高分辨率观测系统相继建成、相关民用空间基础设施不断完善,利用遥感数据实时进行数据分析成为了可能。
[0004]近年来,计算机视觉领域出现了AlexNet、GoogleNet、Vgg、NIN等目标检测算法,Resnet结构的提出,极大推动了深层神经网络目标检测的发展，其中一阶段YOLOv3目标检测算法在保证较高精度的基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进YOLOv3的机场盲区遥感图像目标检测方法，其特征在于，包括以下步骤：步骤1：航空遥感数据集获取步骤1.1：获取RSOD航空遥感数据集图像文件及标注文件，从xml格式的标注文件读取先验框信息步骤1.2：将对应的数据集按比例划分为训练集、验证集和测试集，并按照txt格式文件存放；步骤2：计算先验框的尺度基于训练集数据，利用kmean++算法计算先验框的尺度；步骤3：调整先验框大小利用针对航空遥感数据集小目标的线性放缩方法调整先验框大小；步骤4：构建改进YOLOv3的机场盲区遥感图像目标检测网络模型；步骤5：训练改进的YOLOv3网络模型利用所述训练集中的训练数据对改进的YOLOv3网络模型进行训练，采用余弦退火学习率调整模型梯度，计算并记录损失函数，直至模型达到收敛，并在验证集中进行验证，调整YOLOv3网络模型的网络参数；步骤6：模型评估基于调参完成后的YOLOv3网络模型，利用测试集进行预测结果、MAP值的计算和真实锚框的绘制；步骤7：数据增广集上模型评估基于RSOD
‑
Dataset数据集采用Mixup数据增广，构造最后进近定位点之后进场飞机的虚拟增广数据集，并参照步骤6在虚拟增广数据集上进行预测结果、MAP值的计算和真实锚框的绘制；步骤8：依据步骤6和步骤7的预测结果，对改进的YOLOv3网络模型进行验证。2.根据权利要求1所述的基于改进YOLOv3的机场盲区遥感图像目标检测方法，其特征在于，步骤4的具体操作步骤包括：步骤4.1：在原始YOLOv3三层特征融合提取网络的基础上构建第四层加强特征提取层，形成四层金字塔多特征融合提取网络；步骤4.2：基于Darknet53网络加入SPP特征提取结构，所述SPP特征提取结构包括4条最大池化运算通路以及特征融合运算模块，所述最大池化运算通路的卷积核依次...

【专利技术属性】
技术研发人员：董兵，杨轲，耿文博，吴悦，郝宽公，
申请(专利权)人：中国民用航空飞行学院，
类型：发明
国别省市：