【技术实现步骤摘要】
本专利技术涉及深度学习中目标检测的，尤其涉及一种基于焦点旋转交并比边框回归损失的有向目标检测方法。
技术介绍
1、高分辨率遥感图像目标检测是光学遥感图像处理领域中最重要的任务之一，致力于定位并识别高分遥感图像中的高价值地物目标。随着高分重大专项(国家科技发展中长期规划16个重大专项之一)的实施，我国遥感数据的获取技术发展较快，对遥感大数据的挖掘就成了高分重大专项的关键环节，高分遥感图像目标检测正是遥感大数据挖掘的关键技术之一，也是环境监测、防灾减灾、军事侦察和精确打击等应用的核心问题之一，具有重要的民用和军事应用价值。
2、高分辨率遥感图像目标检测的方法有多种，依据高分辨率遥感图像目标检测的发展阶段不同可分为基于手工特征和基于数据驱动两大类。由于基于数据驱动的方法具备强大的特征表达能力，因而成为高分辨率遥感图像目标检测领域的主流方法。基于数据驱动的方法根据网络层的深度不同又可分为浅层学习和深度学习两类。其中，基于深度学习的方法比基于浅层学习的方法检测精度高，因而基于深度学习的目标检测方法广泛应用于高分辨率遥感图像的目标检测领
3本文档来自技高网...
【技术保护点】
1.一种基于焦点旋转交并比边框回归损失的有向目标检测方法，其特征在于，其步骤如下：
2.根据权利要求1所述的基于焦点旋转交并比边框回归损失的有向目标检测方法，其特征在于，所述训练粗略有向候选框生成模块的方法为：
3.根据权利要求1或2所述的基于焦点旋转交并比边框回归损失的有向目标检测方法，其特征在于，采用反向传播和随机梯度下降的方法对粗略有向候选框生成模块进行优化，且粗略有向候选框生成模块的损失函数为：
4.根据权利要求3所述的基于焦点旋转交并比边框回归损失的有向目标检测方法，其特征在于，所述训练精细有向候选框生成模块的方法为：p>
5.根据权...
【技术特征摘要】
1.一种基于焦点旋转交并比边框回归损失的有向目标检测方法，其特征在于，其步骤如下：
2.根据权利要求1所述的基于焦点旋转交并比边框回归损失的有向目标检测方法，其特征在于，所述训练粗略有向候选框生成模块的方法为：
3.根据权利要求1或2所述的基于焦点旋转交并比边框回归损失的有向目标检测方法，其特征在于，采用反向传播和随机梯度下降的方法对粗略有向候选框生成模块进行优化，且粗略有向候选框生成模块的损失函数为：
4.根据权利要求3所述的基于焦点旋转交并比边框回归损失的有向目标检测方法，其特征在于，所述训练精细有向候选框生成模块的方法为：
5.根据权利要求1或4所述的基于焦点旋转交并比边框回归损失的有向目标检测方法，其特征在于，所述精细有向候选框生成模块的损失函数为：
6.根据权利要求5所述的基于焦点旋转交并比边框回归损失的有向目标检测方...
【专利技术属性】
技术研发人员：钱晓亮，赵家琨，吴保坤，曾黎，王慰，程塨，姚西文，张秋闻，刘向龙，岳伟超，任航丽，吴青娥，王芳，刘玉翠，
申请(专利权)人：郑州轻工业大学，
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。