基于GNN的目标深度特征表示方法、装置、设备和介质制造方法及图纸

本申请涉及基于GNN的目标深度特征表示方法、装置、设备和介质，该方法基于GNN的目标深度特征融合了目标与邻居目标的相对空间关系，不受目标外观的影响，且相比于CNN而言，GNN通常具有更少的层数和更少的参数量，极大的缩减了模型大小，更适合部署于算力有限的机载平台上，大幅提高了飞行器目标的深度特征表示适应性。此外，该深度特征适用于未来搭载可见光和红外等异构无人机的目标探测。

【技术实现步骤摘要】

本专利技术属于目标探测数据处理，涉及一种基于gnn的目标深度特征表示方法、装置、设备和介质。

技术介绍

1、目标特征表示在飞行器探测领域的目标识别、跟踪与目标关联中发挥着重要的作用，有助于提高系统的目标探测性能和准确性。现阶段常用的目标特征表示主要包括多种手工特征表示以及通过卷积神经网络(cnn)提取的目标外观深度特征表示。其中，手工特征主要包括目标的位置特征、属性特征、外观特征(如颜色特征和hog(histogram oforiented gradients，方向梯度直方图)特征等)以及拓扑特征。其中，目标在大地坐标系下的精确位置信息通常难以获取，且受到飞行器载荷限制，未携带目标定位系统的飞行器无法对目标进行定位，此时位置特征无法获取。外观特征需要通过可见光或红外传感器获取目标外观图像信息，易受到光照强度变化和视角的影响。因此，传统的深度特征表示技术中，存在着特征表示适应性不足的技术问题。

技术实现思路

1、针对上述传统方法中存在的问题，本专利技术提出了一种基于gnn的目标深度特征表示方法、一种基于gnn的本文档来自技高网...

【技术保护点】

1.一种基于GNN的目标深度特征表示方法，其特征在于，包括步骤：

2.根据权利要求1所述的基于GNN的目标深度特征表示方法，其特征在于，所述第一地理方向为正东方向。

3.根据权利要求1或2所述的基于GNN的目标深度特征表示方法，其特征在于，所述图像坐标系和所述目标相对坐标系的转换关系为：

4.一种基于GNN的目标深度特征表示装置，其特征在于，包括：

5.根据权利要求4所述的基于GNN的目标深度特征表示装置，其特征在于，所述第一地理方向为正东方向。

6.根据权利要求4或5所述的基于GNN的目标深度特征表示装置，其特征在于，所述图像...

【技术特征摘要】

1.一种基于gnn的目标深度特征表示方法，其特征在于，包括步骤：

2.根据权利要求1所述的基于gnn的目标深度特征表示方法，其特征在于，所述第一地理方向为正东方向。

3.根据权利要求1或2所述的基于gnn的目标深度特征表示方法，其特征在于，所述图像坐标系和所述目标相对坐标系的转换关系为：

4.一种基于gnn的目标深度特征表示装置，其特征在于，包括：

5.根据权利要求4所述的基于gnn的目标深度特征表示装置，其特征在于，所述第一地理方向为正东方向。

【专利技术属性】
技术研发人员：何咏翔，郭鸿武，张钊，鲁兴举，李玄英，高易，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：