[发明专利]基于深度残差网络与SV编码的飞机遥感图像检测方法在审
| 申请号： | 201810511422.3 | 申请日： | 2018-05-24 |
| 公开（公告）号： | CN108830172A | 公开（公告）日： | 2018-11-16 |
| 发明（设计）人： | 杨嘉琛;满家宝 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 程毓英 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度残差网络与SV编码的飞机遥感图像检测方法，包括下列步骤：建立基于caffe神经网络的检测框架，保留ResNet中的conv1,conv2_x,conv3_x和conv4_x，丢弃conv5_x，为了将多个级别的feature map整合到相同的尺寸，对shallower特性进行分类，使用最大池化层来映射；采用利用HOG描述器进行特征描述，使用SV编码对原始HOG特征进行编码，以获得高维稀疏向量；进行模型权重初始化与初步训练，得到模型a；收集飞机遥感图像，利用标注工具标出飞机所在位置，完成训练集与测试集；利用训练集训练模型a，微调模型权重，得到最终检测模型b。 | ||
| 搜索关键词： | 遥感图像检测 训练集 飞机 残差 权重 神经网络 特征描述 稀疏向量 训练模型 遥感图像 测试集 初始化 描述器 检测 映射 池化 高维 整合 微调 标注 丢弃 网络 分类 保留 | ||
【主权项】：
1.一种基于深度残差网络与SV编码的飞机遥感图像检测方法，包括下列步骤：(1)建立基于caffe神经网络的检测框架，保留ResNet中的conv1,conv2_x,conv3_x和conv4_x，丢弃conv5_x，为了将多个级别的feature map整合到相同的尺寸，对shallower特性进行分类，使用最大池化层来映射，应用局部响应规范化(LRN)方法在多级特征图上增强其生成性；(2)采用利用HOG描述器进行特征描述，使用SV编码对原始HOG特征进行编码，以获得高维稀疏向量；(3)基于ImageNet图片集进行模型权重初始化与初步训练，得到模型a；(4)收集飞机遥感图像，利用标注工具标出飞机所在位置，完成训练集与测试集；(5)利用训练集训练模型a，微调模型权重，训练时采用约10‑3的学习速率，进行端到端迭代训练，得到最终检测模型b。
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天津大学，未经天津大学许可，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/201810511422.3/，转载请声明来源钻瓜专利网。
