【技术实现步骤摘要】
本专利技术涉及机器学习，尤其涉及一种面向机场实时场面运控跨域目标检测方法。
技术介绍
1、我国的航空运输总周转量、旅客周转量等均位于世界前列，中国民航开始向多领域民航强国跨越，全行业按照“安全底线牢、运行效率高、服务品质好”的民航高质量发展要求，不断推进智慧民航建设。场面精准运控智能化是加强场面运行安全、提升运行效率的核心。但是，在遇到恶劣天气或者光线不足的情况时，现有的机场场面设备会受到影响，导致对相关目标的检测能力下降。若能够通过已采集到的机场场面常见物体图像数据，在恶劣天气或光线不足的条件下对机场场面的目标进行实时检测，可有效预防因人为或设备因素导致的突发事件。跨域目标检测方法用于解决源域数据和目标域数据分布不一致情况下的目标检测问题，被广泛应用于恶劣天气、黑夜条件和跨设备的检测中。现有的跨域目标检测方法大多在深度学习的背景下完成，先将源域图像和目标域图像合成生成一个辅助域。然后，以faster r-cnn为基础检测器，输入源域图像和辅助域图像，并提取浅层图像级特征和网络深层的实例级特征。接着，在不同层级的特征上设计图像级域对齐模...
【技术保护点】
1.一种面向实时场面运控的跨域目标检测方法，其特征在于，包括下列步骤：
2.如权利要求1所述的方法，其特征在于，步骤3包括以下步骤：
3.如权利要求3所述的方法，其特征在于，所述步骤4包括以下步骤：
4.如权利要求1所述的方法，其特征在于，目标检测器的预测头的目标检测损失为：
5.如权利要求1所述的方法，其特征在于，目标检测器的浅层特征提取网络依次包括：由第一卷积块和第三卷积块交替构成的第一堆叠结构，以及由ELAN模块和MP模块交替构成的第二堆叠结构，其中，第一堆叠结构的开始模块和结束模块分别为第一卷积块和第三卷积块；第...
【技术特征摘要】
1.一种面向实时场面运控的跨域目标检测方法，其特征在于，包括下列步骤：
2.如权利要求1所述的方法，其特征在于，步骤3包括以下步骤：
3.如权利要求3所述的方法，其特征在于，所述步骤4包括以下步骤：
4.如权利要求1所述的方法，其特征在于，目标检测器的预测头的目标检测损失为：
5.如权利要求1所述的方法，其特征在于，目标检测器的浅层特征提取网络依次包括：由第一卷积块和第三卷积块交替构成的第一堆叠结构，以及由elan模块和mp模块交替构成的第二堆叠结构，其中，第一堆叠结构的开始模块和结束模块分别为第一卷积块和第三卷积块；第二堆叠结构的开始和结束模块均为elan模块；本实施例中，第一堆叠结构包括两个第一卷积块和两个第二卷积块；第二堆叠结构包括四个elan模块和三个mp模块；
6.如权利要求5所...
【专利技术属性】
技术研发人员：程建，陈子翀，李晓辰，石俊豪，夏子瀛，
申请(专利权)人：电子科技大学，
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。