CN115546659B 一种基于卫星图像机场目标毁伤检测方法 （江苏思远集成电路与智能技术研究院有限公司）_第1页
CN115546659B 一种基于卫星图像机场目标毁伤检测方法 （江苏思远集成电路与智能技术研究院有限公司）_第2页
CN115546659B 一种基于卫星图像机场目标毁伤检测方法 （江苏思远集成电路与智能技术研究院有限公司）_第3页
CN115546659B 一种基于卫星图像机场目标毁伤检测方法 （江苏思远集成电路与智能技术研究院有限公司）_第4页
CN115546659B 一种基于卫星图像机场目标毁伤检测方法 （江苏思远集成电路与智能技术研究院有限公司）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

路18号常州科教城江南现代工业研究StageObjectDetectionFram量化方法对YOLOv5网络进行优化，同时量化权对跑道毁伤是利用最小起降窗口与跑道分别从2步骤二、利用结构重参数化思想，结合单路模型以轻量化的YOLOv5网络为基础对根据机场跑道的四个角坐标对跑道定位，并将毁伤后的超大图像进将CSPNet中的3x3卷积进行结构重参数化改造，重新嵌入到YOLOv5网络中，作为训练36.根据权利要求1所述的基于卫星图像机场目标毁伤检测采用步长切割的方式将超大图像切割成小尺寸图像，选定步长8.根据权利要求1所述的基于卫星图像机场目标毁伤检测方法，其特征在于，油罐毁将毁伤前的超大图像进行油罐和机堡目标的推理识别，获得油罐将毁伤后的同一区域超大图像进行推理识别，根据实际地理坐标对毁伤前后两张图像中的油罐和机堡预测框进行计数，得出区域4也可以结合目标的具体模型以及更多的非图像信息对目标的毁伤进行更准确的判断，因[0011]将1x1卷积等价转换为3x3卷积并用0填充，其中，3x3卷积的56[0055]由于遥感卫星为定轨卫星，因此卫星图像中的像素大小本身就是重要的特征信7分支都有BN(batchnormalization)层，其参数包括累积得到的均值及标准差和学习得到的缩放因子及bias，推理时的卷积层和其后的BN层可以等价转换为一个带bias的卷积层；边界框回归损失函数来监督网络的学习，S_IOU损失函数通过引入所需回归之间的向量角8性以及量化亲和性使得这种结构在速度方面[0085]根据步骤一中构建的机场目标数据集，按照YOLOv5网络的输入需求转换数据格[0088]为了进一步实现模型的轻量化，本发明在训练中采用DoReFa9框架为ONNXRuntime，选择与框架最为兼容的ONNX(OpenNeuralNetworkExchange,开放神经网络交换)格式的模型文件ONNX对YOLOv5网络训练权重进行导出，将上一步训练好的[0105]采用opencv_python的方式进行图像读取并格式转换，将图像原始数据格式转换置信度阈值和IOU阈值进行筛选得到单张[0109]如图7为超大图像推理部署流程图，采用步长切割的方式把6W×6W的超大图像切行一次推理(batch_size不为1时需要一次性切割多张再进行推理)，并且删除靠近边缘的步骤一中已经对跑道弹坑目标进行制作，首先根据机场跑道的四个角坐标对其进行定位，与跑道分别从不同的角度进行逐点卷积，当不存在弹坑时卷积结果为最小起降窗口的面[0121]图9为模拟生成的跑道弹坑及最小起降窗口，可利用此算法在超大图像中进行跑

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论