一种基于特征回归的旋转目标分类与定位算法制造技术

本发明专利技术公开一种基于特征回归的旋转目标分类与定位算法，包括：构建旋转目标检测模型，该模型包括骨干网络、特征金字塔网络、区域推荐网络、自适应特征聚合模块以及检测头；分别构建类别和边框预测时的损失函数，并基于构建的损失函数进行旋转目标检测模型训练；将遥感图像输入训练好的旋转目标检测模型中，进行旋转目标分类与定位。本发明专利技术利用自适应空间融合思想，设计出一个自适应特征聚合模块，通过聚合不同尺度的特征，获得一个具有高度凝练的特征图，特征感知损失函数与该特征图相结合，把边框回归问题转换成特征回归问题，通过嵌入深度目标检测模型，达到了很好的旋转目标检测效果。

【技术实现步骤摘要】

本专利技术涉及旋转目标检测，尤其涉及一种基于特征回归的旋转目标分类与定位算法。

技术介绍

1、当今世界，空间技术已经成为许多领域研究和应用的基础，其中遥感技术被广泛应用于地理领域。遥感是指利用一系列的传感器来获取地球表面信息并传回地球之上的源点，具有全天候、全地形、多光谱和高精度等优点，因此被广泛应用于地球科学、环境科学、城市规划、房地产、交通运输等领域。

2、遥感图像处理领域的一个重要任务是遥感目标检测，遥感目标检测是指利用遥感技术获取的卫星、航空或地面图像数据，对其中的目标进行自动识别和定位的过程。随着数字图像处理技术和人工智能技术的不断发展，遥感目标检测技术的精度和准确度得到了极大提升，并且被广泛应用于地质勘探、土地利用规划、水资源管理、物资运输等各个领域。

3、深度学习算法是一种广泛应用于遥感目标检测的方法，通过卷积神经网络学习训练集并对未知数据进行分类，相比于传统的机器学习算法，它能够显著提高目标检测的准确度。目前遥感目标检测方向的深度学习算法一般是通过对水平目标检测算法进行修改得到的，最常用的检测框架是r-cnn，该检测本文档来自技高网...

【技术保护点】

1.一种基于特征回归的旋转目标分类与定位算法，其特征在于，包括：

2.根据权利要求1所述的一种基于特征回归的旋转目标分类与定位算法，其特征在于，所述骨干网络采用残差神经网络ResNet101。

3.根据权利要求1所述的一种基于特征回归的旋转目标分类与定位算法，其特征在于，所述自适应特征聚合模块具体用于：

4.根据权利要求1所述的一种基于特征回归的旋转目标分类与定位算法，其特征在于，所述区域推荐网络具体用于：

5.根据权利要求1所述的一种基于特征回归的旋转目标分类与定位算法，其特征在于，还包括：建议框分配和采样模块，所述建议框分配和采样模块用...

【技术特征摘要】

1.一种基于特征回归的旋转目标分类与定位算法，其特征在于，包括：

2.根据权利要求1所述的一种基于特征回归的旋转目标分类与定位算法，其特征在于，所述骨干网络采用残差神经网络resnet101。

3.根据权利要求1所述的一种基于特征回归的旋转目标分类与定位算法，其特征在于，所述自适应特征聚合模块具体用于：

4.根据权利要求1所述的一种基于特征回归的旋转目标分类与定位算法，其特征在于，所述区域推荐网络具体用于：

5.根据权利要求1所述的一种基于特征回归的旋转目标分类与定位算法，其特征在于，还包括：建议框分配和采样模块，所述建议框分配和采样模块用于...

【专利技术属性】
技术研发人员：朱小柯，胡齐，陈小潘，李博源，李明浩，
申请(专利权)人：河南大学，
类型：发明
国别省市：