【技术实现步骤摘要】
本专利技术涉及图像目标检测，特别是涉及一种基于跨级可变形特征聚合网络的航空图像目标检测方法。
技术介绍
1、无人机航拍场景下的目标检测正日益成为各个领域的关键应用，如智能交通、无人机侦查、遥感测绘、环境监测以及搜救救援等。随着硬件和计算能力的不断提升，基于深度学习的目标检测方法在近几年取得了显著的进展和突破，广泛应用于各个领域，根据其检测流程的不同，目标检测方法可以分为二阶段检测器和单阶段检测器两大类。二阶段检测器先在待检测图像中生成包含目标的候选区域；接着，利用卷积神经网络对这些候选区域进行回归和分类，其代表算法主要有r-cnn,fast r-cnn,faster r-cnn,sppnet,mask r-cnn,fpn。相比之下，一阶段检测算法直接对图像中的目标进行回归和分类，其代表算法主要有yolox、detr、cornernet、ssd、yolov6、fcos、efficientnet、pp-yolo。一阶段算法由于同时兼顾了精度和速度使得其在实际应用中具有广泛的适用性。
2、然而，这些优秀的检测方法并不能较好地迁移到...
【技术保护点】
1.一种基于跨级可变形特征聚合网络的航空图像目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于跨级可变形特征聚合网络的航空图像目标检测方法，其特征在于：在所述步骤3中，所述特征提取模块对所述标准图形数据b进行特征提取操作，步骤如下：
3.根据权利要求2所述的基于跨级可变形特征聚合网络的航空图像目标检测方法，其特征在于：所述第一图融合模块、第二图融合模块、第三图融合模块和第四图融合模块结构一致，均设置有依次连接的第八下采样模块、第一Split分割函数层、瓶颈结构、第七通道拼接层和第九下采样模块；所述瓶颈结构由K个结构一致的瓶颈
【技术特征摘要】
1.一种基于跨级可变形特征聚合网络的航空图像目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于跨级可变形特征聚合网络的航空图像目标检测方法，其特征在于：在所述步骤3中，所述特征提取模块对所述标准图形数据b进行特征提取操作，步骤如下：
3.根据权利要求2所述的基于跨级可变形特征聚合网络的航空图像目标检测方法，其特征在于：所述第一图融合模块、第二图融合模块、第三图融合模块和第四图融合模块结构一致，均设置有依次连接的第八下采样模块、第一split分割函数层、瓶颈结构、第七通道拼接层和第九下采样模块；所述瓶颈结构由k个结构一致的瓶颈层依次连接组成；
4.根据权利要求2所述的基于跨级可变形特征聚合网络的航空图像目标检测方法，其特征在于：在所述步骤a10中，所述空间金字塔池化模块设置有第十下采样模块、第十一下采样模块、第一最大池化层、第二最大池化层、第三最大池化层和第八通道拼接层，所述空间金字塔池化模块对所述第四图融合数据b9进行多尺度池化操作，步骤如下：
5.根据权利要求2所述的基于跨级可变形特征聚合网络的航空图像目标检测方法，其特征在于：所述第一下采样模块、第二下采样模块、第三下采样模块、第四下采样模块、第五下采样模块、第六下采样模块、第七下采样模块、第八下采样模块、第九下采样模块、第十下采样模块、第十一下采样模块、第十二下采样模块、第十三下采样模块和第十四下采样模块结构一致，均设置有依次连接的第一二维卷积层、批归一化层和silu激活函...
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。