[发明专利]一种飞机目标识别方法、装置、计算机设备和存储介质有效
| 申请号: | 202011525959.9 | 申请日: | 2020-12-22 |
| 公开(公告)号: | CN112560722B | 公开(公告)日: | 2022-09-09 |
| 发明(设计)人: | 邹焕新;曹旭;李美霖;马倩;李润林;成飞;贺诗甜;魏娟;孙丽 | 申请(专利权)人: | 中国人民解放军国防科技大学 |
| 主分类号: | G06V20/17 | 分类号: | G06V20/17;G06V10/26;G06V10/774;G06T5/00;G06T7/12;G06T7/13;G06T7/136;G06T7/187 |
| 代理公司: | 长沙国科天河知识产权代理有限公司 43225 | 代理人: | 邱轶 |
| 地址: | 410073 湖*** | 国省代码: | 湖南;43 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 飞机 目标 识别 方法 装置 计算机 设备 存储 介质 | ||
1.一种飞机目标识别方法,其特征在于,所述方法包括:
获取训练集中飞机图像的目标斜框标注、精细掩膜和图像语义分割图;
获取预设混合任务级联网络,在所述预设混合任务级联网络的分割分支引入斜框回归器,得到旋转混合任务级联网络;所述斜框回归器用于输出飞机的机头正向和斜框预测信息;
根据所述机头正向,构建方向损失函数;
根据旋转混合任务级联网络中的预测框损失函数、掩膜损失函数、分割损失函数和所述方向损失函数,确定所述旋转混合任务级联网络的总损失函数;
根据所述目标斜框标注、所述精细掩膜和所述图像语义分割图以及所述总损失函数,对所述旋转混合任务级联网络进行反向训练,得到飞机目标识别模型;
获取待测飞机图像的待测目标斜框标注、待测精细掩膜和待测图像语义分割图,将所述待测目标斜框标注、所述待测精细掩膜和所述待测图像语义分割图输入所述飞机目标识别模型,得到飞机类别、所述机头正向以及所述斜框预测信息。
2.根据权利要求1所述的方法,其特征在于,根据所述目标斜框标注、所述精细掩膜和所述图像语义分割图以及所述总损失函数,对所述旋转混合任务级联网络进行反向训练,得到飞机目标识别模型,包括:
将所述训练集中飞机图像的目标斜框标注、所述精细掩膜和所述图像语义分割图作为旋转混合任务级联网络的训练样本,将所述训练样本输入到所述旋转混合任务级联网络中的骨干网络;
将所述骨干网络的输出数据输入到分割网络进行分割处理,得到分割结果;
根据所述分割结果,利用最小矩形框拟合,并提取切片,得到目标斜框预测和图像切片;
设定呈十字交叉排布的第一预测主轴和第二预测主轴,所述预测第一预测主轴和所述第二预测主轴分别与所述目标斜框预测的一条边平行;
根据所述第一预测主轴和第二预测主轴分别将所述图像切片二等分,得到四部分,根据所述四部分的精细掩膜面积的差,得到真实主轴;
沿所述主轴方向上每个像素点统计主轴两侧目标轮廓线上对应的最外侧两个像素点与主轴之间的平均距离,得到目标凸轮廓剖面图;
沿所述主轴方向按照预定百分比保留所述目标凸轮廓剖面图前面部分、后面部分,统计对应的值的和,得到所述机头正向;
将所述主轴和所述机头正向输入到所述旋转混合任务级联网络的掩膜分支,进行网络训练,得到预测定位、预测标签、预测掩膜、预测分割结果;
根据所述机头正向、所述预测定位、所述预测标签、所述预测掩膜以及所述预测分割结果,利用所述总损失函数对旋转混合任务级联网络进行反向训练,得到飞机目标识别模型。
3.根据权利要求2所述的方法,其特征在于,根据所述第一预测主轴和第二预测主轴分别将所述图像切片二等分,得到四部分,根据所述四部分的精细掩膜面积的差,得到真实主轴,包括:
根据所述第一预测主轴将所述图像切片二等分,得到第一部分和第二部分;
根据所述第二预测主轴将所述图像切片二等分,得到第三部分和第四部分;
根据第一部分的精细掩膜面积和第二部分的精细掩膜面积,得到第一精细掩膜面积差;
根据第三部分的精细掩膜面积和第四部分的精细掩膜面积,得到第二精细掩膜面积差;
当第一精细掩膜面积差大于第二精细掩膜面积差时,第一预测主轴为主轴;当第一精细掩膜面积差小于第二精细掩膜面积差时,则第二预测主轴为主轴。
4.根据权利要求1所述的方法,其特征在于,根据所述机头正向,构建方向损失函数,包括:
将所述机头正向与机头正向真值的差异值,按照预设的数值进行等分,得到差异值细分;
根据所述差异值细分,利用平滑L1损失函数的方式,得到方向损失函数,所述方向损失函数为:
其中:为所述机头正方向;θ为所述机头正向真值;n为所述预设的数值;x为所述差异值细分;SmoothL1(x)为所述平滑L1损失函数。
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中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,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/pat/books/202011525959.9/1.html,转载请声明来源钻瓜专利网。





