公开(公告)号：CN112766184B

公开(公告)日：2024-04-16

申请号：CN202110090408.2

申请日：2021-01-22

Applicant: 东南大学

Inventor： 蒋晨 ,  郭成昊 ,  夏思宇 ,  罗子娟 ,  李友江

IPC: G06V20/13 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多层级特征选择卷积神经网络的遥感目标检测方法，该方法首先搭建卷积神经网络模型，并对搭建的卷积神经网络结构参数进行设定和训练参数初始化；再对训练图像进行预处理和标签格式转化，然后预处理和标签格式转化的训练图像进行数据增强；进行卷积神经网络模型训练，得到网络权重和偏置；将测试图像输入训练好的神经网络模型，得到定位和分类结果。由于基于水平框的目标识别对紧密排列的旋转物体无法正确定位，同时按目标尺寸大小进行特征分类的方式过于简单而存在问题，通过本发明公开的多层级特征选择卷积神经网络的方法可以实现任意方向物体的识别以及分类，并大大提高准确率。

公开(公告)号：CN112766184A

公开(公告)日：2021-05-07

申请号：CN202110090408.2

申请日：2021-01-22

Applicant: 东南大学

Inventor： 蒋晨 ,  郭成昊 ,  夏思宇 ,  罗子娟 ,  李友江

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多层级特征选择卷积神经网络的遥感目标检测方法，该方法首先搭建卷积神经网络模型，并对搭建的卷积神经网络结构参数进行设定和训练参数初始化；再对训练图像进行预处理和标签格式转化，然后预处理和标签格式转化的训练图像进行数据增强；进行卷积神经网络模型训练，得到网络权重和偏置；将测试图像输入训练好的神经网络模型，得到定位和分类结果。由于基于水平框的目标识别对紧密排列的旋转物体无法正确定位，同时按目标尺寸大小进行特征分类的方式过于简单而存在问题，通过本发明公开的多层级特征选择卷积神经网络的方法可以实现任意方向物体的识别以及分类，并大大提高准确率。