摘要
本发明涉及一种基于自适应高斯学习标签分配的微小目标检测方法,包括:1)获取训练数据集和训练集标注文件;2)构建微小目标检测网络模型,包括基准检测器、自适应加权高斯度量模块和动态循环标签分配模块;通过基准检测器提取分类特征图和定位特征图分别用于分类和定位任务;对于定位特征图,利用自适应加权高斯度量模块获得真实框和特征点对应的高斯分布并度量相似度;在标签分配过程中,利用动态循环标签分配模块动态设置正负样本筛选的阈值;3)将微小目标检测网络模型用于检测目标。该方法及系统可以为候选先验提供与真实框更准确的相似度分数,并在标签分配过程中动态为真实框分配适当的正样本,从而提高微小目标检测的准确性。
技术关键词
检测网络模型
定位特征
标签
特征点
度量
样本
动态
分类特征
重叠面积
计算机程序指令
模块
检测器
训练集
协方差矩阵
卡尔曼滤波器
基准
因子
理论
数据
处理器
系统为您推荐了相关专利信息
自主水下机器人
轨迹跟踪控制方法
动态障碍物
海洋环境特征
自主水下航行
油菜品种
评估系统
时序神经网络
土壤特征
作物生长态势