[发明专利]基于深度学习网络框架的无人机光学快速检测识别方法有效
| 申请号： | 201810807503.8 | 申请日： | 2018-07-21 |
| 公开（公告）号： | CN109255286B | 公开（公告）日： | 2021-08-24 |
| 发明（设计）人： | 智喜洋;俞利健;胡建明;巩晋南;江世凯;陈文彬 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 哈尔滨龙科专利代理有限公司 23206 | 代理人： | 高媛 |
| 地址： | 150000 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习网络框架的无人机光学快速检测识别方法，所述方法步骤如下：步骤一：针对目前市场主流的五种无人机开展飞行试验采集光学成像实验数据，并按照标准VOC数据格式对采集的光学成像实验数据进行处理；步骤二：搭建YOLO网络框架，利用残差网络模块对YOLO网络框架进行改进，对改进后的YOLO网络框架进行训练，得到检测识别模型；步骤三：选取包含五种无人机的实拍飞行光学成像实验数据，利用步骤二所得的检测识别模型进行检测识别。本发明避免了对无人机和复杂背景特征人工建模复杂、适用性不强等问题，能够大大提高复杂背景下动目标检测识别的速度和准确率。 | ||
| 搜索关键词： | 基于 深度 学习 网络 框架 无人机 光学 快速 检测 识别 方法 | ||
【主权项】：
1.一种基于YOLO深度学习网络框架的无人机光学快速检测识别方法，其特征在于所述方法步骤如下：步骤一：针对目前市场主流的五种无人机开展飞行试验采集光学成像实验数据，并按照标准VOC数据格式对采集的光学成像实验数据进行处理；步骤二：搭建YOLO网络框架，利用残差网络模块对YOLO网络框架进行改进，对改进后的YOLO网络框架进行训练，得到检测识别模型；步骤三：选取包含五种无人机的实拍飞行光学成像实验数据，利用步骤二所得的检测识别模型进行检测识别。
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哈尔滨工业大学，未经哈尔滨工业大学许可，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/201810807503.8/，转载请声明来源钻瓜专利网。
