System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于计算机视觉目标检测,尤其涉及一种基于可见光遥感图像的群目标检测方法。
技术介绍
1、群目标通常指具有相似特征静止或具有相似运动模式的多个目标,如有人/无人机编队、舰艇编队、地面编队目标等。在机场、港口、停车场等人造场地下的静态场景及陆地、海面等自然环境下的机动场景中的关键群目标检测在军事、航天以及国民经济的各个领域有着重要的应用价值。高分辨率的可见光卫星遥感图像包含上述群目标信息,基于可见光遥感图像进行群目标检测是发现群目标的有效途径。
2、卫星的瞬时成像幅宽一般在数十到数百千米的量级,分辨率一般在亚米级,定位精度为十米量级。因此,与传统的自然图像不同,可见光卫星遥感图像尤其是军用领域的卫星图像尺寸巨大。但卫星图像包含的群目标个体(即群目标中的单个个体)却十分微小。群目标相较于整幅卫星图像的占比可低至千万分之一。因此群目标特征信息有限,导致检测精度受限。此外,一些关键目标通常进行伪装,其外表与植被等地表实体的特征高度相似,进一步增加了检测难度。
3、现有的群目标检测主要包括:《基于贝叶斯递推的空间群目标检测方法、装置及存储介质》(专利申请号202010381668.0),该专利提出利用群目标在三维空间中的轨迹集合计算群目标在三维坐标系中的三个投影平面上的平面椭圆参数,构建群目标在三维空间中的椭球模型,计算椭球模型的体积变化率,根据体积变化率判断群目标的状态。该专利主要解决的技术问题是建立准确的三维模型来判别群目标分离时的状态。该专利基于轨迹数据,不适于跨组织、跨国家关键群目标的检测,如国防领
...【技术保护点】
1.一种基于可见光遥感图像的群目标检测方法,其步骤包括:
2.根据权利要求1所述的方法,其特征在于,所述目标检测模型YOLO-v5的特征提取模块生成输入图像的混合域特征图的方法为:
3.根据权利要求2所述的方法,其特征在于,得到所述空间注意力权重SA的方法为:
4.根据权利要求1所述的方法,其特征在于,A代表目标的真实边界框,B代表目标的预测边界框;Na表示从目标的真实边界框A建模的二维高斯分布,Nb表示从目标的预测边界框B建模的二维高斯分布,表示两个二维高斯分布Na和Nb的Wasserstein距离,T是可调节的超参数。
5.根据权利要求1所述的方法,其特征在于,将所述样本集划分为训练样本集和测试样本集;对所述训练样本集的图像进行增强,提升样本多样化,得到增强训练样本集;对所述增强训练样本集内每个图像中所含的感兴趣的目标进行标记,标记后每张图像相应生成含有标记信息的属性文件,每一所述图像与其相应的属性文件共同组成一训练样本,得到训练样本集。
6.根据权利要求5所述的方法,其特征在于,对所述训练样本集的图像进行增强的方法
7.根据权利要求1所述的方法,其特征在于,所述增强训练样本集包括静态场景图像和机动场景图像;针对所述静态场景图像进行标注时,对感兴趣的群目标进行标记;针对所述机动场景图像进行标注时,对感兴趣的单个目标进行标记。
8.根据权利要求7所述的方法,其特征在于,步骤4)中,当所述待检测图像为静态场景图像时,步骤3)训练后的目标检测模型YOLO-v5输出的群目标为最终的群目标检测结果;当所述待检测图像为机动场景图像时,对步骤3)训练后的目标检测模型YOLO-v5输出的目标进行聚类、拟合所得群目标,作为最终的群目标检测结果。
9.一种服务器,其特征在于,包括存储器和处理器,所述存储器存储计算机程序,所述计算机程序被配置为由所述处理器执行,所述计算机程序包括用于执行权利要求1至8任一所述方法中各步骤的指令。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8任一所述方法的步骤。
...【技术特征摘要】
1.一种基于可见光遥感图像的群目标检测方法,其步骤包括:
2.根据权利要求1所述的方法,其特征在于,所述目标检测模型yolo-v5的特征提取模块生成输入图像的混合域特征图的方法为:
3.根据权利要求2所述的方法,其特征在于,得到所述空间注意力权重sa的方法为:
4.根据权利要求1所述的方法,其特征在于,a代表目标的真实边界框,b代表目标的预测边界框;na表示从目标的真实边界框a建模的二维高斯分布,nb表示从目标的预测边界框b建模的二维高斯分布,表示两个二维高斯分布na和nb的wasserstein距离,t是可调节的超参数。
5.根据权利要求1所述的方法,其特征在于,将所述样本集划分为训练样本集和测试样本集;对所述训练样本集的图像进行增强,提升样本多样化,得到增强训练样本集;对所述增强训练样本集内每个图像中所含的感兴趣的目标进行标记,标记后每张图像相应生成含有标记信息的属性文件,每一所述图像与其相应的属性文件共同组成一训练样本,得到训练样本集。
6.根据权利要求5所述的方法,其特征在于,对所述训练样本集的图像进行增强的方法...
【专利技术属性】
技术研发人员:朱美玲,连占标,吕曼莹,尹璐,丁治明,
申请(专利权)人:中国科学院软件研究所,
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。