CN119516405A 一个新的草原sar图像地物目标检测方法 （内蒙古工业大学）

本公开涉及一个新的草原SAR图像地物目标SAR图像数据的格式转换和划分；采用YOLOv8作2改进后的Neck网络进行处理和增强从Backbone中提取的特征，并将其进行特征融合；在设置草原SAR图像地物目标类别数和目标通过包括旋转、平移、缩放、Mosaic在内的数据增强操作增加数据通过在YOLOv8的基础上Neck层增添CBAM注意力机制进行通过在PAN_FPN网络基础上Neck层加入了CBAM注意力机制模块进通过Detect模块在YOLOv8中输出预测的包括边界框位置、类别概率和输入草原SAR图像经过Backbone网络的第二层C2f模块得到特征图P2，4.根据权利要求3所述的方法，其中，通过在PAN_FPN网络基础上Ne特征图P9经过Upsample模块得到特征图P10，特征图P6和特征图P1特征图P11经过C2f操作得到特征图P12,特征图P12通过加入的CBAM注意力机制模块得到特征图P13,特征图P13又通过Upsample模块得到特征图P14,特征图P14和特征图P4经过特征图P15经过C2f操作得到特征图P16,特征图P16通过加入的CBAM注意力机制模块得到特征图P17，特征图P17又通过Conv模块得到特征图P18，特征图P18和特征图P12经过特征图P19经过C2f操作得到特征图P20,特征图P20通过加入的CBAM注意力机制模块得到特征图P21,特征图P21又通过Conv模块得到特征图P22,特征图P22和特征图P9经过特征图P23经过C2f操作得到特征图P24，特征图P24通过加入的3通过非极大值抑制算法的筛选，去除与高置信度检测高度重采用精确率、召回率和平均精度等评估指标对模型的检测结果进4在给定的公式中，TP代表了被正确预测为正类别的样本数量，F5[0001]本公开涉及遥感图像目标检测技术领域，具体涉及一个新的草原SAR图像地物目通过改进后的Neck网络进行处理和增强从Backbone中提取的特征，并将其进行特征融合；6[0021]特征图P11经过C2f操作得到特征图P12,特征图P12通过加入的CBAM注意力机制模块得到特征图P13,特征图P13又通过Upsample模块得到特征图P14,特征图P14和特征图P4块得到特征图P21，特征图P21又通过7[0048]从置信度最高的P开始，检查其与周围P的IOU，交并比用来衡量框之间的重叠程[0064]本公开的各种实施例的一个新的草原SAR图像地物目标检测方法，至少制作草原8[0066]在未必按照比例绘制的附图中，不同视图中相似的附图标记可以表示相似的构[0067]图1示出了本公开一种实施例的一个新的草原SAR图像地物目标检测方法实施流技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范部分引入一种结合空间和通道的混合注意力机制CBAM(ConvolutionalBlockAttention9检测方法实施流程示意图，本公开的实施例提供了一个新的草原SAR图像地物目标检测方通过改进后的Neck网络进行处理和增强从Backbone中提取的特征，并将其进行特征融合；通道和空间维度上进行注意力机制的优化，增强草原SAR图像的重要特征并抑制不重要的构如图3示出了本公开一种实施例的CBAM注意力模块示例图。CBAM注意力机制对Backbone生成的特征图进行特征增强以及特征融合。将草原SAR图像训练集以及输入到改进后的[0103]步骤S331：输入草原SAR图像经过Backbone网络的第二层C2[0107]步骤S342：特征图P11经过C2f操作得到特征图P12,特征图P12通过加入的CBAM注意力机制模块得到特征图P13,特征图P13又通过Upsample模块得到特征图P14,特征图P14征图P12经过Concat操作得到特征原本回归损失函数中CIoU损失函数，WIoU损失函数示意图如图4示出了本公开一种实施例[0159]本公开各实施例的新的草原SAR图像地物目标检测方法，通过改进YOLOv8模型的计算机可执行指令由处理器执行时，主要实现根据上述的一个新的草原SAR图像地物目标通过改进后的Neck网络进行处理和增强从Backbone中提取的特征，并将其进行特征融合；