无人机对地目标主动检测方法、终端设备及存储介质技术

本发明专利技术公开了一种无人机对地目标主动检测方法、终端设备及存储介质，利用归纳偏置改善策略网络的主干部分所学的状态表征，从而提高智能体所学策略在解决主动目标检测问题时的有效性与泛化性。首先，主动目标检测问题主要关注的图像特征应当集中目标本身外观、姿态以及目标与周围地物的位置关系等方面的特性，而地物的颜色、纹理等特征则可舍去，因此本发明专利技术提出在图像特征提取之前对其进行场景预分解操作，进而滤除这些无关特征。其次，本发明专利技术提出利用GRU网络融合历史观测序列的特征。通过这两方面的改进，状态表征的泛化能力可得到进一步提升，从而帮助智能体学得更好的主动目标检测策略。

【技术实现步骤摘要】

本专利技术涉及目标检测技术，特别是一种无人机对地目标主动检测方法、终端设备及存储介质。

技术介绍

1、近年来，无人机凭借机动灵活、视野开阔、部署快速、成本低廉等优势在交通监测、灾后救援、智慧农业、军事侦查等应用中大放异彩，展现出超越传统手段的非凡表现。在这些应用背后，目标检测是一项不可或缺的关键技术。通过目标检测能够从航拍图像中定位并识别目标，为后续行动提供重要先验信息。因此，增强目标检测性能对进一步提升无人机服务保障质量具有重大意义。

2、自深度学习热潮掀起以来，深度学习方法已逐步在无人机目标检测领域取代传统方法而成为主流检测手段，例如faster-rcnn、yolo、ssd等方法及其变体已在遥感目标检测领域广为使用。然而，在无人机航拍图像中，目标检测的效果不可避免地会因地物遮挡的干扰导致检测性能降低甚至导致目标检测失败。针对这一难点问题，现有方法大都根据问题特性对检测模型做出不同的适应性改进。尽管研究人员已做出了许多改进的努力，但检测器在有遮挡的目标检测任务上的能力仍与人类有较大差距，远未达到令人满意的水平。从根本上看，输入模型数据的质量限本文档来自技高网...

【技术保护点】

1.一种无人机对地目标主动检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的无人机对地目标主动检测方法，其特征在于，还包括：

3.根据权利要求1所述的无人机对地目标主动检测方法，其特征在于，所述智能体策略网络模型采用Dauling深度Q网络。

4.根据权利要求1所述的无人机对地目标主动检测方法，其特征在于，步骤S2中，对所述待处理图像进行场景预分解，对场景预分解后的图像进行特征提取的具体实现过程包括：

5.根据权利要求4所述的无人机对地目标主动检测方法，其特征在于，地物的掩膜的灰度值在0至1范围内随机分布。</p>

6.一种...

【技术特征摘要】

1.一种无人机对地目标主动检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的无人机对地目标主动检测方法，其特征在于，还包括：

3.根据权利要求1所述的无人机对地目标主动检测方法，其特征在于，所述智能体策略网络模型采用dauling深度q网络。

4.根据权利要求1所述的无人机对地目标主动检测方法，其特征在于，步骤s2中，对所述待处理图像进行场景预分解，对场景预分解后的图像进行特征提取的具体实现过程包括：

5.根据权利要求4所述的无人机对地目标主动检测方法，其...

【专利技术属性】
技术研发人员：刘天鹏，江新华，刘丽，刘永祥，刘振，户盼鹤，苏晓龙，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：