【技术实现步骤摘要】
本专利技术属于可信人工智能，具体为一种基于遥感数据的旋转目标检测模型有效性评估方法。
技术介绍
1、旋转目标检测是计算机视觉领域中的一个重要任务，它旨在从图像中检测并识别旋转目标，这些目标可能具有不同的旋转角度和形状。与传统目标检测不同，旋转目标检测面临一些独特的挑战，包括但不限于以下几点：
2、旋转不变性：传统目标检测模型通常依赖于固定方向的目标，而旋转目标需要具有旋转不变性，即使目标以不同角度出现，模型仍能正确检测和定位。
3、数据不平衡：在旋转目标检测中，各个角度的旋转目标可能出现频率不均衡，这可能导致模型倾向于检测更常见的角度，而忽略了罕见的旋转角度。
4、边界框生成：生成旋转目标的边界框需要考虑目标的旋转情况，这增加了检测框生成的复杂性。
5、为了应对上述挑战，本领域技术人员开发了各种旋转目标检测模型。示例性地，mmrotate是一个为旋转目标检测方法提供统一训练和评估框架的工具箱，mmrotate包括以下四个主要部分：
6、数据集与数据增强：这一部分负责数据的加载和增强处理。mmrotate支持多种旋转目标检测数据集，并提供数据增强的预处理功能。
7、模型与损失函数：包括旋转目标检测模型和相应的损失函数。
8、核心训练与评估：这一部分提供了模型的训练和评估工具。
9、高级api(应用程序接口)：为了提高用户的便捷性，提供了高级api，用于模型的训练、测试和推理。
10、为确定旋转目标检测模型的有效性，本领域技术
技术实现思路
1、本申请的目的在于，提供一种基于遥感数据的旋转目标检测模型有效性评估方法，以解决现有有效性评估方法存在的评估结果不全面且不精确的技术问题。
2、本专利技术提供了一种基于遥感数据的旋转目标检测模型有效性评估方法，包括：
3、利用遥感数据集训练旋转目标检测模型；
4、确定多项评估指标，所述评估指标包括公平性指标、准确性指标、鲁棒性指标和隐私性指标中的至少一种以及可解释性指标；
5、结合所述多项评估指标评估训练后的旋转目标检测模型的有效性。
6、优选地，确定公平性指标具体包括：
7、获取训练后的旋转目标检测模型对旋转目标的检测精度，所述检测精度包括尺度确定精度和角度确定精度中的至少2种；
8、根据所述检测精度，确定所述训练后的旋转目标检测模型的公平性指标。
9、优选地，确定准确性指标具体包括：
10、将旋转目标根据类别划分为多个组；
11、根据每一组的平均分类精度，得到以所有组的平均分类精度的均值表征的所述训练后的旋转目标检测模型的准确性指标。
12、优选地，确定可解释性指标具体包括：
13、获取所述训练后的旋转目标检测模型中每个类别的类激活热力图，并获取每个所述类激活热力图中多个独立的轮廓斑块；
14、根据所述轮廓斑块和对应类别的预测框，确定所述训练后的旋转目标检测模型的可解释性指标。
15、优选地，根据所述轮廓斑块和对应类别的预测框，确定所述训练后的旋转目标检测模型的可解释性指标，具体包括：
16、逐一确定每个所述轮廓斑块与对应类别内的对应预测框的交并比，根据所述交并比确定所述训练后的旋转目标检测模型的可解释性指标。
17、优选地，根据所述轮廓斑块和对应类别的预测框，确定所述训练后的旋转目标检测模型的可解释性指标，具体包括：
18、确定每个所述轮廓斑块与对应类别内的全部预测框的交并比，根据所述交并比确定所述训练后的旋转目标检测模型的可解释性指标。
19、优选地，确定可解释性指标具体包括：
20、利用t-分布随机邻域嵌入方法，获取所述训练后的旋转目标检测模型中orientedr-cnn网络neck层的类别特征相对于真实标注框中的类别特征的可视化分布，以所述可视化分布表征所述训练后的旋转目标检测模型的可解释性指标。
21、优选地，确定鲁棒性指标具体包括：
22、利用对抗样本攻击所述训练后的旋转目标检测模型；
23、获取所述训练后的旋转目标检测模型的平均分类精度的均值；
24、将所述平均分类精度的均值记为所述训练后的旋转目标检测模型的鲁棒性指标。
25、优选地，确定隐私性指标具体包括：
26、对训练后的旋转目标检测模型进行攻击，生成重建数据集；
27、根据训练后的旋转目标检测模型在遥感数据集和重建数据集上的平均精度均值，确定训练后的旋转目标检测模型的隐私性指标。
28、优选地，对训练后的旋转目标检测模型进行攻击，生成重建数据集，具体包括：
29、利用条件去噪扩散概率模型对训练后的旋转目标检测模型进行反演攻击，生成重建数据集。
30、本专利技术的基于遥感数据的旋转目标检测模型有效性评估方法，相较于现有技术，具有如下有益效果：
31、本专利技术结合公平性指标、准确性指标、鲁棒性指标和隐私性指标中的至少一种以及可解释性指标评估训练后的旋转目标检测模型的有效性，评估结果更为全面、准确。
本文档来自技高网...【技术保护点】
1.一种基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，包括：
2.根据权利要求1所述的基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，确定公平性指标具体包括：
3.根据权利要求1所述的基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，确定准确性指标具体包括：
4.根据权利要求1所述的基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，确定可解释性指标具体包括：
5.根据权利要求4所述的基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，根据所述轮廓斑块和对应类别的预测框，确定所述训练后的旋转目标检测模型的可解释性指标，具体包括：
6.根据权利要求4所述的基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，根据所述轮廓斑块和对应类别的预测框，确定所述训练后的旋转目标检测模型的可解释性指标，具体包括：
7.根据权利要求1所述的基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，确定可解释性指标具体包括：
8.根据权利要求1所述的基于遥感数据的旋转目
9.根据权利要求1所述的基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，确定隐私性指标具体包括：
10.根据权利要求9所述的基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，对训练后的旋转目标检测模型进行攻击，生成重建数据集，具体包括：
...【技术特征摘要】
1.一种基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，包括：
2.根据权利要求1所述的基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，确定公平性指标具体包括：
3.根据权利要求1所述的基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，确定准确性指标具体包括：
4.根据权利要求1所述的基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，确定可解释性指标具体包括：
5.根据权利要求4所述的基于遥感数据的旋转目标检测模型有效性评估方法，其特征在于，根据所述轮廓斑块和对应类别的预测框，确定所述训练后的旋转目标检测模型的可解释性指标，具体包括：
6.根据权利要求4所述的基于遥...
【专利技术属性】
技术研发人员：程祥，何召锋，吕相洋，张振龙，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。