【技术实现步骤摘要】
本专利技术属于计算机视觉与模式识别，具体涉及一种端到端的弱对齐多光谱遥感图像目标检测方法及装置。
技术介绍
1、遥感图像目标检测旨在从给定的遥感图像中定位并识别目标，已广泛应用于智能监控，城市规划，港口管理和军事侦察等领域。随着人工智能技术和多传感器技术的快速发展，多光谱遥感图像目标检测通过充分利用可见光和红外图像的互补性，实现更加稳健和精准的目标识别，已取得了广泛关注。然而在实际应用中，由于成像条件、设备精度等因素的影响，多光谱数据往往存在位置偏移问题，即可见光和红外图像对没有严格对齐，使得一个物体在不同的模态中有不同的位置。这种弱对齐多光谱遥感图像目标检测给深度学习方法带来了挑战，因为特征融合和神经网络训练可能会受到影响。
2、现有的弱对齐遥感图像目标检测技术主要采用先对齐后融合的策略。论文weaklyaligned cross-modal learning for multispectral pedestrian detection设计一个区域特征对齐(rfa)模块来捕获位置偏移，并自适应地对齐两种模态的区域特征，进而...
【技术保护点】
1.一种端到端的弱对齐多光谱遥感图像目标检测方法，其特征在于，具体过程为：
2.根据权利要求1所述端到端的弱对齐多光谱遥感图像目标检测方法，其特征在于，所述查询选择网络包括：分类网络、可见光回归网络和红外回归网络；
3.根据权利要求2所述端到端的弱对齐多光谱遥感图像目标检测方法，其特征在于，所述解码网络的具体处理过程为：
4.根据权利要求3所述端到端的弱对齐多光谱遥感图像目标检测方法，其特征在于，所述对偶多模态多尺度多头稀疏注意力模块的算法：
5.根据权利要求2所述端到端的弱对齐多光谱遥感图像目标检测方法，其特征在于，构...
【技术特征摘要】
1.一种端到端的弱对齐多光谱遥感图像目标检测方法，其特征在于，具体过程为：
2.根据权利要求1所述端到端的弱对齐多光谱遥感图像目标检测方法，其特征在于，所述查询选择网络包括：分类网络、可见光回归网络和红外回归网络；
3.根据权利要求2所述端到端的弱对齐多光谱遥感图像目标检测方法，其特征在于，所述解码网络的具体处理过程为：
4.根据权利要求3所述端到端的弱对齐多光谱遥感图像目标检测方法，其特征在于，所述对偶多模态多尺度多头稀疏注意力模块的算法：
5.根据权利要求2所述端到端的弱对齐多光谱遥感图像目标检测方法，其特征在于，构建双回归损失和对偶iou感知分类损失，指导目标检测网络训练；
...
【专利技术属性】
技术研发人员：胡晶晶，鲍威，徐逍君，杨修齐，
申请(专利权)人：北京理工大学，
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。