[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 | ||
本申请涉及一种飞机目标识别方法、装置、计算机设备和存储介质。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,将其作为训练样本;获取预设混合任务级联网络,在其分割分支引入斜框回归器,得到旋转混合任务级联网络;根据机头正向,构建方向损失函数;根据预测框损失函数、掩膜损失函数、分割损失函数和方向损失函数,确定总损失函数;根据训练样本及总损失函数,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;获取待测样本,将其输入飞机目标识别模型,得到飞机类别、机头正向以及斜框预测信息。使用本发明可以提高飞机目标检测识别的准确率和方向准确度。
技术领域
本申请涉及目标识别技术领域,特别是涉及一种飞机目标识别方法、装置、计算机设备和存储介质。
背景技术
随着图像解译领域不断发展及普及,越来越多的检测识别技术被广泛应用于民用领域,如人脸识别、车辆检测等。飞机目标的方向检测和精细识别是高分辨率光学遥感图像解译领域的一个重要任务。该技术对民用领域中如民航机场流量管控、航班识别、监视空运交通、保障民航飞行安全等方面具有较为广阔的应用前景。
但是,因为民航机场背景复杂,遥感飞机目标自动检测与识别一直以来都是非常具有挑战性的任务。在光学遥感图像中,飞机目标检测识别具有以下难点:方向检测困难、精细识别困难。
发明内容
基于此,有必要针对上述技术问题,提供一种能够实现对飞机机头正向的准确检测和飞机类别的进行识别的一种飞机目标识别方法、装置、计算机设备和存储介质。
一种飞机目标识别方法,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。
在其中一个实施例中,还包括:
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。
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/202011525959.9/2.html,转载请声明来源钻瓜专利网。





