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：中南大学

摘要：探地雷达数据关键点检测与目标定位方法，首先，在YOLOv8框架中引入全局注意力机制，通过减少信息损失和放大全局交互表示，提高深度神经网络的性能；其次，结合空间特征增强的子网和深度递归网络，引入多头自注意力机制，实现地下结构的高分辨率映射；最后，在损失函数中引入广义交并比损失和完全交并比损失，通过增加对包围框外部区域、目标检测框中心点距离和长宽比的考量，优化非重叠和重叠问题下的检测精度。本方法首先，基于YOLOv8‑GSI网络进行GPR目标检测，获得候选目标所在区域；然后，第一阶段的部分训练权重被共享并传递到第二阶段，后者在此基础上训练第二阶段YOLOv8‑GSI网络，从候选目标特征中获取精确的关键点检测，从而实现地下目标的自动化定位。

主权项：1.探地雷达数据关键点检测与目标定位方法，包括以下步骤，其特征在于：S1:实验数据采集；采集数据集包括实测数据和仿真数据，实测数据从民用桥梁设施使用探地雷达获得，仿真数据由GprMax三维建模生成，模拟各种介质的导电性和空间占有率；S2:数据预处理；对仿真数据集进行直达波去除和2DKirchhoffMigration迁移，以减少干扰并提高地下结构的空间定位准确性；S3:YOLOv8-GSI网络构建；在YOLOv8框架中集成全局注意力机制和多头自注意力机制，并引入GIoU损失和CIoU损失，以提升目标检测精度和关键点检测性能，全局注意力机制通过减少信息损失和放大全局交互表示，增强了深度神经网络的性能；多头自注意力机制通过多个注意力头并行处理输入特征，并结合空间特征增强子网，实现地下结构的高分辨率映射；GIoU损失和CIoU损失则通过增加对包围框外部区域、目标检测框中心点距离和长宽比的考量，优化非重叠和重叠问题下的检测精度；S4:目标识别；对YOLOv8-GSI网络进行检测框训练，构建第一模型，通过这一阶段的精确目标识别，为后续的关键点检测提供了必要的基础；S5:关键点标注；利用第一阶段模型，对原有数据集进行裁剪，得到仅包含单个目标的子图像，通过标注顶点与水平对称的两组纵向均匀分布的关键点，共5个关键点，获得关键点检测数据集，对单个目标轮廓实现准确的拟合，并确定目标的空间位置；S6:关键点检测；对第一阶段裁剪得到的小图像进行关键点检测，首先，将第一模型的部分权重迁移至第二模型，以缩短第二阶段模型的训练时间；其次，基于关键点标注数据集，对第二模型进行训练；最后，利用经过训练的第二模型，对第一阶段输出的裁剪图像进行模型推理；S7:关键点映射；将裁剪图像中识别出的关键点位置映射回原始GPR图像中，在这一过程中，关键点的位置需要从裁剪图像精确转移到原图像上，确保每个点的相对位置保持不变，对于每个目标，选择其关键点中间最高点进行突出标注，顶点坐标确定地下目标的空间位置，为后续的数据分析和应用提供了重要的视觉参考。

全文数据：

权利要求：

百度查询： 中南大学 探地雷达数据关键点检测与目标定位方法