CN115147720B 基于坐标注意力和长短距上下文的sar舰船检测方法 (北京理工大学重庆创新中心)_第1页
CN115147720B 基于坐标注意力和长短距上下文的sar舰船检测方法 (北京理工大学重庆创新中心)_第2页
CN115147720B 基于坐标注意力和长短距上下文的sar舰船检测方法 (北京理工大学重庆创新中心)_第3页
CN115147720B 基于坐标注意力和长短距上下文的sar舰船检测方法 (北京理工大学重庆创新中心)_第4页
CN115147720B 基于坐标注意力和长短距上下文的sar舰船检测方法 (北京理工大学重庆创新中心)_第5页
已阅读5页,还剩15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

基于坐标注意力和长短距上下文的SAR舰船本发明提供一种基于坐标注意力和长短距舰船图像,待测SAR舰船图像中包含有对应的舰待测SAR舰船图像输入特征提取网络,获取坐标取上下文强化后的特征图;通过PAN金字塔特征入到YOLOX无锚框解耦检测头中,获取舰船位置2根据坐标注意力机制构造特征提取网络,将所述待测SAR舰船图像输入所述特征提取在第二处理路径中,将所述初始特征图记为第二特征图根据长短距上下文信息构造长短距上下文协同提取网络,将坐标注2.根据权利要求1所述的基于坐标注意力和长短将坐标注意力增强的特征图输入所述长短距上下文协同提在长短距上下文协同提取网络中,将所述坐标注意力增强的特根据对应通道依次穿插的方式,将所述长距上下文特征图和短距上下文将所述长短距混合上下文权重图与坐标注意力增强的特征图进行3.根据权利要求2所述的基于坐标注意力和长在于,所述长距上下文由一个卷积核大小为5×5且扩张率为5的空洞深度卷积和一个1×134.根据权利要求1所述的基于坐标注意力和长短距上下文的5.根据权利要求1所述的基于坐标注意力和长在于,所述将融合后的特征图输入到YOLOX无锚框解耦检测头中,获取舰船位置和舰船类根据所述目标分类特征图、目标框位置回归特征图以及目标框置信船位置和舰船类别。4[0002]合成孔径雷达(SyntheticApertureRadar,SAR)具有全天时、全天候的成像特5力增强的特征图输入所述长短距上下文协同提取网络中;在长短距上下文协同提取网络块包括长距上下文模块和短距上下文模块,获取长距上下文特征图和短距上下文特征图;根据对应通道依次穿插的方式,将所述长距上下文特征图和短距上下文特征图进行拼接,[0011]在其中一个实施例中,所述长距上下文由一个卷积核大小为5×5且扩张率为5的卷积核大小为3×3且扩张率为3的空洞深[0012]在其中一个实施例中,所述通过PAN金字塔特征融合网络对上下文强化后的特征获取舰船位置和舰船类别,具体包括:将融合后的特征图输入到YOLOX无锚框解耦检测头6[0015]图1为一个实施例中一种基于坐标注意力和长短距上下文的SAR舰船检测方法的[0016]图2为一个实施例中一种基于坐标注意力和长短距上下文的SAR舰船检测方法的7[0029]步骤S104,通过PAN金字塔特征融合网络,对上下文强化后的特征图进行特征融舰船类别。8块包括长距上下文模块和短距上下文模块,获取长距上下文特征图和短距上下文特征图;[0041]如图4所示,将不同层级的坐标注意力增强的特征图输入长短距上下文协同提取×1的深度卷积捕获;短距上下文由一个1×1的深度卷积和一个卷积核大小为3×3且扩张下文特征图和短距上下文特征图融合为一张特征图;并将融合后的特征图通过Sigmoid函9上和自上而下的信息流,对上下文强化后的特征图进行位置信息和语义信息的充分融合,

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。

评论

0/150

提交评论