基于全局信息融合的多尺度方向感知SAR目标检测方法

AITNT
正文
推荐专利
基于全局信息融合的多尺度方向感知SAR目标检测方法
申请号:CN202411555587
申请日期:2024-11-04
公开号:CN119478718A
公开日期:2025-02-18
类型:发明专利
摘要
本发明公开了一种基于全局信息融合的多尺度方向感知SAR目标检测方法,主要解决现有的SAR目标检测方法全局信息不足、方向感知特征提取不充分,导致检测精度和效率低的问题。其实现方案是:获取SAR图像的训练样本集和测试样本集;构建包括两个特征提取器和检测头的多尺度方向感知SAR目标检测网络;利用训练样本集,通过反向传播迭代训练目标检测网络模型;将测试样本集输入到训练好的网络模型获取目标检测结果。本发明设计的第一特征提取器,利用了双向注意力机制来提取物体的方向和位置信息,使其在不同目标姿态和角度下均具有较强的鲁棒性;设计的第二特征提取器,实现了全局与局部特征的有机融合,确保了提高了目标检测效率,可应用于环境监测和灾害评估。
技术关键词
检测网络模型 特征提取器 全局信息融合 训练样本集 对齐模块 图像 随机梯度下降 卷积模块 融合特征 多尺度 双向注意力机制 Sigmoid函数 多层感知机 局部特征提取 模型预测值 参数 保留特征
系统为您推荐了相关专利信息
1
一种基于YOLOv8的水下小目标检测方法
特征提取网络 动态 多尺度特征提取 模块 检测网络模型
2
一种基于多源数据融合的档案智能归集方法及系统
归集方法 非线性 全局信息融合 归集系统 数据处理技术
3
智能静脉穿刺引导系统及动态定位方法
穿刺引导系统 静脉 血管 检测识别模块 特征提取模块
4
一种基于神经网络的无线测距方法和测距系统
无线测距方法 发射机 环境数据采集器 无线测距系统 接收机
5
一种基于自学习卷积域对抗网络的跨域故障诊断方法
故障分类器 特征提取器 故障诊断方法 输出特征 多层卷积神经网络
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号