【技术实现步骤摘要】
本专利技术涉及计算机视觉与机器学习，具体涉及一种多尺度特征融合与上下文信息增强的遥感小目标检测方法。
技术介绍
1、近年来光学遥感技术快速发展，在交通监管、搜救、安保、军事等领域均有广泛应用，针对小目标检测方法的研究也取得了显著进展。小目标通常指所占像素面积在32×32以下的目标，小目标检测需要完成对小目标的定位和分类。
2、随着深度学习的快速发展，卷积神经网络在目标检测领域取得了显著的效果，常见的目标检测算法分为两阶段目标检测算法和单阶段目标检测算法，两阶段目标检测算法的典型代表为r-cnn系列算法，单阶段目标检测算法的典型代表为yolo系列算法和ssd系列算法。
3、遥感系统由于观测平台的运动导致观测条件不可控，观测过程中易受到大气干扰，观测场景复杂，这些因素导致目标和背景难以区分，并且遥感图像一般具有较大的视场，感兴趣目标在遥感图像中体积小、特征少，难以检测。所以一种能够抑制复杂背景信息、增强小目标特征的遥感小目标检测方法成为现如今迫切的需求。
技术实现思路
...
【技术保护点】
1.一种多尺度特征融合与上下文信息增强的遥感小目标检测方法，其特征在于，所述方法基于神经网络，包括如下步骤：
2.如权利要求1所述的一种多尺度特征融合与上下文信息增强的遥感小目标检测方法，其特征在于，步骤2)具体包括以下步骤：
3.如权利要求1所述的一种多尺度特征融合与上下文信息增强的遥感小目标检测方法，其特征在于，步骤3)中，所述对所述特征融合后的多尺度特征图进行全局上下文信息提取包括以下步骤：
4.如权利要求2所述的一种多尺度特征融合与上下文信息增强的遥感小目标检测方法，其特征在于，所述特征融合后的多尺度特征图的计算表达式为：<...
【技术特征摘要】
1.一种多尺度特征融合与上下文信息增强的遥感小目标检测方法，其特征在于，所述方法基于神经网络，包括如下步骤：
2.如权利要求1所述的一种多尺度特征融合与上下文信息增强的遥感小目标检测方法，其特征在于，步骤2)具体包括以下步骤：
3.如权利要求1所述的一种多尺度特征融合与上下文信息增强的遥感小目标检测方法，其特征在于，步骤3)中，所述对所述特征融合后的多尺度特征图进行全局上下文信息提取包括以下步骤：
4.如权利要求2所述的一种多尺度特征...
【专利技术属性】
技术研发人员：张寅，王炜扬，叶沐，闫钧华，朱桂熠，
申请(专利权)人：南京航空航天大学，
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。