[发明专利]一种基于深度学习的SAR图像铁塔目标检测方法在审
| 申请号： | 201811100702.1 | 申请日： | 2018-09-20 |
| 公开（公告）号： | CN109325947A | 公开（公告）日： | 2019-02-12 |
| 发明（设计）人： | 李春升;高原;杨威;陈杰 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04;G06N3/08 |
| 代理公司： | 北京格允知识产权代理有限公司 11609 | 代理人： | 周娇娇;李亚东 |
| 地址： | 100191*** | 国省代码： | 北京;11 |
| 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学习的SAR图像铁塔目标检测方法，包括：从SAR数据集中随机抽取多幅SAR图像，分割获取样本切片，为每张样本切片设置样本标签后构建训练样本集；对训练样本集中的每张样本切片进行处理，生成出多张不同的人工样本切片，并在加注样本标签后加入训练样本集实现扩充；构建SSD模型；将扩充后的训练样本集输入构建的SSD模型，采用梯度下降法对SSD模型进行训练；将待测数据图切割为多个与样本切片尺寸相同的待检测切片，输入训练好的SSD模型，得到待测数据图的目标检测结果。本发明的优点在于：鲁棒性强、运行速度快、检测性能高且易迁移，检测时无需目标与背景有较高的对比度，可用于复杂场景下检测。 | ||
| 搜索关键词： | 样本 切片 训练样本集 目标检测 构建 检测 数据图 铁塔 标签 复杂场景 数据集中 随机抽取 训练样本 鲁棒性 下降法 加注 可用 切割 迁移 分割 学习 | ||
【主权项】：
1.一种基于深度学习的SAR图像铁塔目标检测方法，其特征在于，包括：S1、从SAR数据集中随机抽取多幅SAR图像，分割获取样本切片，为每张样本切片设置样本标签后构建训练样本集，样本标签包括该样本切片内目标的坐标信息和类别信息；S2、对训练样本集中的每张样本切片进行处理，生成出多张不同的人工样本切片，并在加注样本标签后加入所述训练样本集实现扩充；S3、构建SSD模型，包括：15层卷积神经网络，用于对输入图像的图像特征进行初步提取；8层卷积神经网络，用于进一步提取不同尺度的图像特征；多尺度检测网络，对提取到的不同尺度的图像特征进行检测；S4、将所述步骤S2中扩充后的训练样本集作为输入图像输入所述步骤S3构建的SSD模型，采用梯度下降法对所述SSD模型进行训练；S5、将待测数据图切割为多个与样本切片尺寸相同的待检测切片，输入所述步骤S4训练好的SSD模型，得到待测数据图的目标检测结果。
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北京航空航天大学，未经北京航空航天大学许可，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/201811100702.1/，转载请声明来源钻瓜专利网。
