龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：安徽大学
摘要：本发明涉及一种多尺度特征增强深度学习SAR舰船检测方法，包括：对SAR船舶检测数据预处理；根据YOLOv7架构，设计多尺度感知SAR舰船特征提取主干MPFEBackbone，利用混合特征注意构建颈部网络，形成MHF‑SARNet舰船目标检测模型；引入动态非单调聚焦损失函数Wise‑IOU作为边界框回归损失；进行迭代训练；将待检测图片输入训练好的MHF‑SARNet舰船目标检测模型中进行检测，得到SAR舰船目标检测结果。本发明以YOLOv7网络模型为原型进行设计，提高全局依赖特性，捕获丰富所捕获的细节信息，大大增强了模型对复杂背景干扰的恢复能力；提高了对舰船目标的识别率；在多尺度目标场景下，性能更加优越，对舰船有更高的识别率；提高了船舶检测精度，使其成为该领域的重大进步。
主权项：1.一种多尺度特征增强深度学习SAR舰船检测方法，其特征在于：该方法包括以下顺序的步骤：1对SAR船舶检测数据预处理，得到数据集，将数据集划分为训练数据集和测试数据集，数据集包括近海岸以及海域中的SAR舰船图像；2根据YOLOv7架构，设计多尺度感知SAR舰船特征提取主干MPFEBackbone，利用混合特征注意构建颈部网络，聚焦有效特征，降低背景噪声，形成MHF-SARNet舰船目标检测模型；3在MHF-SARNet舰船目标检测模型的基础上，引入动态非单调聚焦损失函数Wise-IOU作为边界框回归损失；4将训练数据集输入MHF-SARNet舰船目标检测模型中进行迭代训练，得到训练好的MHF-SARNet舰船目标检测模型；5将待检测图片输入训练好的MHF-SARNet舰船目标检测模型中进行检测，得到SAR舰船目标检测结果。
全文数据：
权利要求：
百度查询： 安徽大学 一种多尺度特征增强深度学习SAR舰船检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号