-
公开(公告)号:CN110674698A
公开(公告)日:2020-01-10
申请号:CN201910816272.1
申请日:2019-08-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种密集子区域切割的遥感图像旋转舰船目标检测方法,在于对训练集目标进行预处理,根据图像标注工具获取的训练集目标信息,将目标切割成密集的子区域,获取到子目标信息,经YOLO V3训练后获取训练权重文件,并根据权重文件预测目标的密集子区域的中心点,宽和高的信息。通过对密集子区域中心点坐标数据的拟合得到函数关系并计算出预测目标的中心点坐标和角度,在结合密集子目标的宽和高的信息计算出预测目标的宽度和高度,完成对密集子区域的信息的后处理,提取到预测目标的中心点、宽、高、角度的信息,完成对具有角度等特殊目标的检测。
-
公开(公告)号:CN110674698B
公开(公告)日:2021-12-07
申请号:CN201910816272.1
申请日:2019-08-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种密集子区域切割的遥感图像旋转舰船目标检测方法,在于对训练集目标进行预处理,根据图像标注工具获取的训练集目标信息,将目标切割成密集的子区域,获取到子目标信息,经YOLO V3训练后获取训练权重文件,并根据权重文件预测目标的密集子区域的中心点,宽和高的信息。通过对密集子区域中心点坐标数据的拟合得到函数关系并计算出预测目标的中心点坐标和角度,在结合密集子目标的宽和高的信息计算出预测目标的宽度和高度,完成对密集子区域的信息的后处理,提取到预测目标的中心点、宽、高、角度的信息,完成对具有角度等特殊目标的检测。
-
公开(公告)号:CN112163504B
公开(公告)日:2024-02-20
申请号:CN202011017557.8
申请日:2020-09-24
Applicant: 杭州电子科技大学
IPC: G06V20/13 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于结构图卷积网络的遥感图像小样本舰船目标识别方法,本发明在传统小样本目标识别的基础上引入中间层结构元素,使用图卷积网络框架对结构元素进行建模与特征提取,提出了一种基于结构图卷积网络的遥感图像小样本舰船目标识别方法。将传统的目标识别由像素层上升到构件层,突破了现有小样本目标识别方法框架的局限,提高了小样本目标识别的精度和速度。
-
公开(公告)号:CN112163504A
公开(公告)日:2021-01-01
申请号:CN202011017557.8
申请日:2020-09-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于结构图卷积网络的遥感图像小样本舰船目标识别方法,本发明在传统小样本目标识别的基础上引入中间层结构元素,使用图卷积网络框架对结构元素进行建模与特征提取,提出了一种基于结构图卷积网络的遥感图像小样本舰船目标识别方法。将传统的目标识别由像素层上升到构件层,突破了现有小样本目标识别方法框架的局限,提高了小样本目标识别的精度和速度。
-
公开(公告)号:CN110516526A
公开(公告)日:2019-11-29
申请号:CN201910594561.1
申请日:2019-07-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于特征原型度量学习的小样本目标识别方法,该方法在原有关系网络的基础上,先对训练集、测试集与支持集进行特征提取,再将特征提取后的支持集数据进行特征原型提取,而后使用训练后的关系网络与特征原型对测试集数据进行分类,本发明的关键在于将支持集图像的高维特征向量通过计算均值进行原型提取,用提取后的特征原型与测试集特征通过关系网络进行度量计算,通过减少计算量减少测试时间。
-
公开(公告)号:CN110674674A
公开(公告)日:2020-01-10
申请号:CN201910707178.2
申请日:2019-08-01
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于YOLO V3的旋转目标检测方法,本发明先通过对具有任意方向的遥感舰船训练集图像进行信息提取,使用改进的YOLO V3算法对遥感舰船训练集进行训练,最终可以在测试集中完成对具有任意角度的遥感舰船的检测。本发明对原YOLO V3算法的anchor box的产生、IOU的计算、损失函数的计算方法进行重新设计,增加训练集图像中检测目标的角度信息,使得可以在测试集中完成对具有任意角度的目标的检测。
-
-
-
-
-