[发明专利]一种基于卷积神经网络的遥感图像多目标检测方法有效
| 申请号： | 201810380509.1 | 申请日： | 2018-04-25 |
| 公开（公告）号： | CN108596101B | 公开（公告）日： | 2021-07-27 |
| 发明（设计）人： | 贺光辉;吴佳祥;陈海宝;何卫锋 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 上海恒慧知识产权代理事务所(特殊普通合伙) 31317 | 代理人： | 张宁展 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于卷积神经网络的遥感图像多目标检测方法，该方法利用卷积神经网络为核心，建立一种端到端的检测框架，先利用选框产生网络产生物体的选框，再通过检测子网络确定最终的目标分类及位置，为了提升多种尺度目标的检测准确率，提出了以双层选框产生网络和融合特征为核心的尺度自适应目标检测方法。该方法在公开遥感数据集中完成了训练和测试，识别精度较高，能够高效地检测遥感图像中的多种目标。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 遥感 图像 多目标 检测 方法 | ||
【主权项】：
1.一种基于卷积神经网络的遥感图像多目标检测方法，其特征在于：该方法包含以下步骤：1)采集遥感图像数据集，通过从公开的遥感影音图像数据中获取，随机分成训练集图像和测试集图像；2)设置网络参数，包括网络层数，层与层之间的连接关系，以及每一层的权重；采用预训练模型对网络参数进行初始化；3)读取训练集图像，在深度学习平台中训练尺度自适应网络，通过多次迭代来降低网络输出与实际真实值之间的误差，达到一定迭代次数后，得到最终模型；4)网络测试，读取测试集图像，并输入到所述的最终模型中，输出物体的坐标和类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810380509.1/，转载请声明来源钻瓜专利网。
