【技术实现步骤摘要】
本专利技术涉及遥感图像处理，尤其涉及一种用于对光学遥感图像进行目标检测的方法、装置、电子设备、非暂态计算机可读存储介质、计算机程序产品。
技术介绍
1、随着社会发展与科技进步，对光学遥感图像的应用也越发广泛；其中，在对光学遥感图像的应用中，目标检测是一项具有挑战性的任务。所述目标检测旨在同时对光学遥感图像中的实例（目标）进行定位和分类。
2、现有技术中，通常基于预先训练的深度学习模型对所述光学遥感图像执行目标检测，但目前所述预先训练的深度学习模型存在泛化能力较差的问题；即，当训练深度学习模型的样本光学遥感图像与当前处理的目标光学遥感图像存在领域偏移时，所述深度学习模型会出现预测结果精度下降的情况。
技术实现思路
1、本专利技术提供一种用于对光学遥感图像进行目标检测的方法、装置、电子设备、非暂态计算机可读存储介质、计算机程序产品，用以解决现有技术中的缺陷。
2、本专利技术提供一种用于对光学遥感图像进行目标检测的方法，包括：
3、获取目标图像；其中，所述目标...
【技术保护点】
1.一种用于对光学遥感图像进行目标检测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预设训练框架包括级联的基础检测网络、融合网络以及判别网络；
3.根据权利要求2所述的方法，其特征在于，所述待训练学生模型为基于YOLOv5的神经网络模型；
4.根据权利要求2所述的方法，其特征在于，所述无偏置对抗单元包括第一卷积块、第二卷积块、第三卷积块、第四卷积块、第五卷积块、第六卷积块、第七卷积块以及域分类器；
5.根据权利要求2所述的方法，其特征在于，所述预设目标检测模型的结构与所述待训练的学生模型的结构
...
【技术特征摘要】
1.一种用于对光学遥感图像进行目标检测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预设训练框架包括级联的基础检测网络、融合网络以及判别网络；
3.根据权利要求2所述的方法，其特征在于，所述待训练学生模型为基于yolov5的神经网络模型；
4.根据权利要求2所述的方法，其特征在于，所述无偏置对抗单元包括第一卷积块、第二卷积块、第三卷积块、第四卷积块、第五卷积块、第六卷积块、第七卷积块以及域分类器；
5.根据权利要求2所述的方法，其特征在于，所述预设目标检测模型的结构与所述待训练的学生模型的结构相同。
6.根据权利要求2至5中任一项所述的方法，其特征在于，基于所述预设训练框架，...
【专利技术属性】
技术研发人员：董燕妮，刘畅，张玉香，李雪，杜博，
申请(专利权)人：武汉大学，
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。