公开(公告)号：CN117611791B

公开(公告)日：2024-08-20

申请号：CN202311365198.9

申请日：2023-10-20

Applicant: 哈尔滨工业大学 ,  哈尔滨视爵科技有限公司

Inventor： 杨旭 ,  江世凯 ,  俞利健 ,  智喜洋 ,  巩晋南 ,  马思克

IPC: G06V10/25 ,  G06V10/26 ,  G06V10/44 ,  G06V10/774 ,  G06N3/0464

Abstract: 本发明公开了一种基于特征分离可变形卷积的飞行目标检测方法，所述方法包括如下步骤：一：建立训练数据集和测试数据集；二：使用可变形卷积进行不规则采样，以减少规则采样过程中的背景干扰；三：使用超高斯函数用于语义分割标签生成；四：设计适合软标签的焦点损失来计算特征分离监督的损失；五：对改进后的检测模型YOLO‑FRS进行训练和测试，完成遥感图像飞行状态飞机目标检测。本发明面向飞行目标检测需求，提出了一种特征响应分离可变形卷积模块来改进YOLOv5模型，该模型鼓励检测模型向目标区域聚集采样点，提取更多与目标相关的信息，并减少来自目标周围背景的干扰，从而实现检测性能的提升。

公开(公告)号：CN117611791A

公开(公告)日：2024-02-27

申请号：CN202311365198.9

申请日：2023-10-20

Applicant: 哈尔滨工业大学 ,  哈尔滨视爵科技有限公司

Inventor： 杨旭 ,  江世凯 ,  俞利健 ,  智喜洋 ,  巩晋南 ,  马思克

IPC: G06V10/25 ,  G06V10/26 ,  G06V10/44 ,  G06V10/774 ,  G06N3/0464

Abstract: 本发明公开了一种基于特征分离可变形卷积的飞行目标检测方法，所述方法包括如下步骤：一：建立训练数据集和测试数据集；二：使用可变形卷积进行不规则采样，以减少规则采样过程中的背景干扰；三：使用超高斯函数用于语义分割标签生成；四：设计适合软标签的焦点损失来计算特征分离监督的损失；五：对改进后的检测模型YOLO‑FRS进行训练和测试，完成遥感图像飞行状态飞机目标检测。本发明面向飞行目标检测需求，提出了一种特征响应分离可变形卷积模块来改进YOLOv5模型，该模型鼓励检测模型向目标区域聚集采样点，提取更多与目标相关的信息，并减少来自目标周围背景的干扰，从而实现检测性能的提升。