一种基于U型多维多尺度融合神经网络的地下目标多分类检测方法技术

本发明专利技术公开一种基于U型多维多尺度融合神经网络的地下目标多分类检测方法(RIUNet)。首先采用编码

【技术实现步骤摘要】
一种基于U型多维多尺度融合神经网络的地下目标多分类检测方法


[0001]本专利技术涉及探地雷达信号处理领域，尤其涉及一种U型多维多尺度融合神经网络的地下目标多分类检测方法。

技术介绍

[0002]GPR作为一种无损检测技术，被广泛应用于地下目标的检测和定位。电磁波在地下传播，在介质交界面发生反射和折射，接收天线接收多道反射回波，经过信号处理组成B
‑
Scan图像。由于B
‑
Scan图像庞大且背景等无用信息占据图像绝大部分的空间，因此从复杂的B
‑
Scan中手动分割目标标签会耗费大量的精力和时间。随着全卷积网络的出现，这一问题可以得到解决。
[0003]目前对于目标检测与识别有很多研究，但是传统的算法需要大量的样本进行训练，而实际的城市道路勘测中，往往只能得到较少的有用数据。同时，传统算法的模型层次越来越深，在卷积过程中逐渐丢失图像的底层信息，此时传统的算法难以达到要求。
[0004]然而，采用编码器
‑
解码器结构的神经网络，例如FCN，U
‑
...

【技术保护点】

【技术特征摘要】
1.RIUNet神经网络的地下目标多分类检测的方法，其特征在于，包括：(1)对B
‑
scan数据进行预处理生成图像数据集，得到70张数据集；(2)对上述图像数据中的目标进行边框和类别的标注生成类别掩膜图；(3)搭建RIUNet模型，该模型包括三个部分：骨干网络(Backbone)、转置卷积上采样以及多尺度特征拼接；(4)将(2)中所得原图与掩膜图放入(3)中所构建模型进行训练，模型通过对图像训练并与掩模图对比得到损失率并更新模型各部分权重，最终保存模型权重完成训练且该模型可将B
‑
scan图像中的目标特征进行分割并分类；(5)将用于测试的B
‑
scan图像输入(4)中模型得到目标结果图；(6)对(5)中目标结果图使用基于形态学的目标定位算法实现目标的定位，并将定位的目标在原图上进行标记；2.根据权利要求1所述的RIUNet的地下目标多分类检测方法，其特征在于，(1)中：所述的地下目标图像的目标类别包含背景、空洞与管道；所述预处理，包括对所述地下目标图像进行大小的裁切，将整体的图像使用512*512的滑动窗裁切为连续的若干个大小都为512*512像素的数据集。3.根据权利要求1所述的RIUNet的地下目标多分类检测方法，其特征在于，(2)中所述利用数据集进行训练，得到训练集的过程为：将生成图像数据集导入至labelme中进行目标的分类以及标记目标的轮廓；将生成的json文件转化为包含背景与目标的掩膜图，将图像数据集与掩膜图对应后生成训练集。4.根据权利要求1所述的RIUNet的地下目标多分类检测方法，其特征在于多维度中使用不同多尺度方法进行融合，(3)中所述模型的搭建过程为：将数据集图像输入RIUNet网络的输入端，进行数据增强、自适应图像移动、自适图像缩放以及归一化处...

【专利技术属性】
技术研发人员：刘庆华，黎仁节，李世行，廖可非，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：