摘要
本发明属于人工智能和目标检测技术领域,尤其涉及一种实例特征增强的SAR图像细粒度目标检测方法及装置。该方法包括以下步骤:目标检测模型搭建:选择yolov8网络作为SAR图像细粒度目标检测基础网络,构建基于动态卷积的细粒度特征增强模块,用以替换基础网络中特征融合模块,生成目标检测模型;所述特征融合模块用以从多尺度特征中动态学习空间输入相关的卷积核;训练样本构建:对预设的SAR图像进行标注处理,并利用类别平衡复制粘贴数据增强策略平衡实例数量;检测模型训练:利用所述训练样本对目标检测模型进行训练;目标检测:利用训练好的目标检测模型进行SAR图像细粒度目标检测。
技术关键词
细粒度特征
复制粘贴数据
检测模型训练
图像
上下文特征
动态
网络
层级
遥感影像数据
细粒度分类
模块
随机梯度下降
策略
基础
通道
样本
训练集
算法
参数
系统为您推荐了相关专利信息
点云模型
图像
峰值信噪比
合并方法
优化训练方法
聚类识别方法
轮廓系数
空间聚类方法
参数
边缘检测算法
智能求助系统
导览装置
手势识别模块
智能语音助手
交互屏幕
特征金字塔网络
检测模型训练
模块
空洞
标签类别
车牌字符识别方法
深度神经网络模型
多模态信息
图像视觉特征
注意力