一种基于图像的弱纹理场景识别系统、方法、装置及介质制造方法及图纸

本发明专利技术公开了一种基于图像的弱纹理场景识别系统、方法、装置及介质，所述系统包括目标检测网络模型、损失函数和优化器；目标检测网络模型包括YOLOv8网络模型，并在YOLO v8网络模型的基础上使用具有双水平路由注意的视觉变压器注意力机制，用于对输入图像中的弱纹理场景所在区域进行标注；损失函数包括基于最小点距离的边界框相似度比较度量的边界框损失函数，用于作为目标检测网络模型的边界框回归的损失函数；优化器包括基于遗传编程自动发现的神经网络优化器，用于在训练时根据误差评估结果对损失函数进行反馈优化。本发明专利技术对于弱纹理场景的识别和检测更加精准，识别和分割错误也相应减少，可以减少后处理的计算量，提高后续弱纹理修复与建模的效率。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其是涉及一种基于图像的弱纹理场景识别系统、方法、装置及介质。

技术介绍

1、目标检测(object detection)的任务是找出图像中所有感兴趣的目标(物体)，确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。其中，对于水域或者沙漠等颜色单一、纹理重复、相似区域多而点线纹理少的弱纹理场景或相似场景，目前的目标检测方法可能由于特征提取困难等原因导致检测结果不理想、识别区域产生空洞或将其他区域错误识别为弱纹理区域等问题。

2、目前，基于深度学习的目标检测算法主要分为两阶段(two stage)检测模型和单阶段(one stage)检测模型两类，其中，单阶段检测模型是指没有中间的区域检出过程，直接在网络中提取特征来预测物体分类和位置。单阶段检测模型的代表目标检测算法是yolo(you only look once)系列算法。截至目前，yolo系列算法已经更新到第8个版本，即yolov8网络模型。yo本文档来自技高网...

【技术保护点】

1.一种基于图像的弱纹理场景识别系统，其特征在于，所述系统包括目标检测网络模型、损失函数和优化器；

2.根据权利要求1所述的系统，其特征在于，所述在所述YOLO v8网络模型的基础上使用具有双水平路由注意的视觉变压器注意力机制，具体为：

3.根据权利要求2所述的系统，其特征在于，所述BiFormer模块用于：

4.根据权利要求1所述的系统，其特征在于，所述损失函数具体包括：

5.根据权利要求4所述的系统，其特征在于，所述MPDIoU损失函数的具体计算方法为：

6.根据权利要求1所述的系统，其特征在于，所述优化器具体包括：

...

【技术特征摘要】

1.一种基于图像的弱纹理场景识别系统，其特征在于，所述系统包括目标检测网络模型、损失函数和优化器；

2.根据权利要求1所述的系统，其特征在于，所述在所述yolo v8网络模型的基础上使用具有双水平路由注意的视觉变压器注意力机制，具体为：

3.根据权利要求2所述的系统，其特征在于，所述biformer模块用于：

4.根据权利要求1所述的系统，其特征在于，所述损失函数具体包括：

5.根据权利要求4所述的系统，其特征在于，所述mpdiou损失函数的...

【专利技术属性】
技术研发人员：郑川江，贾学富，闫志愿，黄海锋，
申请(专利权)人：广州南方测绘科技股份有限公司，
类型：发明
国别省市：