【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种多识别对象检测方法、装置、电子设备及存储介质。
技术介绍
1、遥感地物检测作为遥感应用的基础研究，在智能交通、水利工程、城市规划等各个领域在国内外得到了广泛应用。但遥感影像中的多个地物之间可能会非常相似，给多识别对象检测造成困难，影响了多识别对象检测精度和效率。
技术实现思路
1、本专利技术提供一种多识别对象检测方法、装置、电子设备及存储介质，用以解决传统多识别对象检测方法难以识别相似对象，影响多识别对象检测精度和效率的缺陷。
2、本专利技术提供一种多识别对象检测方法，包括：
3、计算多个待识别对象之间几何形态的相似度，获取相似度小于预设阈值的多个待识别对象；
4、根据所述相似度小于预设阈值的多个待识别对象的图像灰度值生成每个待识别对象对应的脉冲地址；
5、将所述每个待识别对象对应的脉冲地址输入脉冲化卷积神经网络模型，根据所述脉冲化卷积神经网络模型输出多识别对象检测结果，其中，所述脉冲化卷积神经网络模型根据...
【技术保护点】
1.一种多识别对象检测方法，其特征在于，包括：
2.根据权利要求1所述的多识别对象检测方法，其特征在于，所述根据所述相似度小于预设阈值的多个待识别对象的图像灰度值生成每个待识别对象对应的脉冲地址，包括：
3.根据权利要求2所述的多识别对象检测方法，其特征在于，所述标准化处理，包括：
4.根据权利要求1所述的多识别对象检测方法，其特征在于，所述脉冲化卷积神经网络模型训练方法包括：
5.根据权利要求4所述的多识别对象检测方法，其特征在于，所述非脉冲深度学习网络为裁剪后的数值神经网络。
6.根据权利要求1所述的多识...
【技术特征摘要】
1.一种多识别对象检测方法，其特征在于，包括：
2.根据权利要求1所述的多识别对象检测方法，其特征在于，所述根据所述相似度小于预设阈值的多个待识别对象的图像灰度值生成每个待识别对象对应的脉冲地址，包括：
3.根据权利要求2所述的多识别对象检测方法，其特征在于，所述标准化处理，包括：
4.根据权利要求1所述的多识别对象检测方法，其特征在于，所述脉冲化卷积神经网络模型训练方法包括：
5.根据权利要求4所述的多识别对象检测方法，其特征在于，所述非脉冲深度学习网络为裁剪后的数值神经网络。
6.根据权利要求1所述的多识别对象检测方法，其特征在于，将所述每个待识...
【专利技术属性】
技术研发人员：张砚，陈瑞，叶齐祥，贾惠柱，李源，葛盛，辛煜，
申请(专利权)人：北京市遥感信息研究所，
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。