基于深度学习的毫米波图像隐匿目标检测方法、装置及存储介质制造方法及图纸

本公开涉及基于深度学习的毫米波图像隐匿目标检测方法、装置及存储介质，方法包括：对采集的图像进行预处理，统计目标分布规律；根据目标分布规律，将目标轮廓分割后与背景样本集融合；基于目标检测网络对特定目标对象检测；基于改进目标检测模型的训练，对毫米波图像隐匿目标进行检测。通过本公开的各实施例，有效提高模型的泛化能力和对不同尺度目标的检测能力，满足实际应用需求。满足实际应用需求。满足实际应用需求。

【技术实现步骤摘要】
基于深度学习的毫米波图像隐匿目标检测方法、装置及存储介质


[0001]本公开涉及毫米波图像隐匿目标检测领域，具体涉及一种基于深度学习的毫米波图像隐匿目标检测方法、基于深度学习的毫米波图像隐匿目标检测装置及计算机可读存储介质。

技术介绍

[0002]当前的目标检测算法很难兼顾不同尺度的目标特征提取，造成了不同尺度目标检测效果差别较大尤其对于小目标的检测精度较低。此外，模型的训练依赖大量的数据,而常用的数据增强算法虽能大量扩充数据样本但没有充分考虑到毫米波图像在实际应用中对目标多样性的要求。

技术实现思路

[0003]本公开意图提供一种基于深度学习的毫米波图像隐匿目标检测方法、基于深度学习的毫米波图像隐匿目标检测装置及计算机可读存储介质，有效提高模型的泛化能力和对不同尺度目标的检测能力，满足实际应用需求。
[0004]根据本公开的方案之一，提供一种基于深度学习的毫米波图像隐匿目标检测方法，包括：
[0005]对采集的图像进行预处理，统计目标分布规律；
[0006]根据目标分布规律，将目标轮廓分割后与背景样本集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的毫米波图像隐匿目标检测方法，包括：对采集的图像进行预处理，统计目标分布规律；根据目标分布规律，将目标轮廓分割后与背景样本集融合；基于目标检测网络对特定目标对象检测；基于改进目标检测模型的训练，对毫米波图像隐匿目标进行检测。2.根据权利要求1所述的方法，其中，对采集的图像进行预处理，统计目标分布规律，包括：构建单目标样本集，总样本集包含多类特定目标对象；确定隐匿目标的位置及类别；对不同类别赋予不同位置类别信息；对所标注图像进行统计以得到出现隐匿目标频次较高的位置，构建分布统计图。3.根据权利要求2所述的方法，其中，根据目标分布规律，将目标轮廓分割后与背景样本集融合，包括：读取样本集和对应的标签集，依次读取图像，按标签坐标对图像进行裁剪保存为目标子图样本集；随机选取目标子图样本集中的部分样本构建目标分割网络的训练集，对目标分割网络进行训练得到训练完成的目标分割网络；输入目标子图集进行预测，基于目标轮廓掩码图，得到只包含目标轮廓的图像集；根据分布统计图为背景样本集划定待扩充区域；得到只包含目标轮廓的图像集和背景样本集目标框的重合比，得到融合样本集。4.根据权利要求3所述的方法，其中，基于目标检测网络对特定目标对象检测，包括：构建平行卷积分支覆盖大中小目标，组成卷积块；构建三支结构相同的卷积分支，其卷积核与原残差块中卷积核保持一致；在替换卷积块的基础上，设置卷积层权值共享，使卷积分支共享权值联合训练，基于目标尺寸自动匹配卷积分支。5.根据权利要求4所述的方法，其中，基于改进目标检测模型的训练，对毫米波图像隐匿目标进行检测，包括：构建训练样本集，取自所述样本集和所述融合样本集及所对应的标签集，按比例划分训练集、测试集和验证集；至少基于对训练参数的配置和调整，对毫米波隐匿目标进行检测；随机选取未经训练的毫米波图像作为测试数据，加载训练好的目标检测模型...

【专利技术属性】
技术研发人员：黄平平，李秀长，谭维贤，乞耀龙，苏耘，洪文，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：