摘要
本发明涉及一种无人机端尺度自适应目标检测方法及系统,根据已知目标的位置、姿态信息以及无人机自身的位置和相机的姿态信息,结合目标实际尺寸和相机内参可以计算出目标在图像中所占像素数即目标在图像中的尺度,仅而计算图像在输入目标检测深度神经网络后每层特征图尺度,在目标尺度较大时可以无需调整,但是可以根据算力和实时性要求适当增加浅层的检测头提高检测正确率。在目标尺度较小时可以对深层网络进行裁剪,减少无效计算,同时增加浅层的检测头提高检测正确率。本方法可以无视相机焦距的变化,准确计算图像中的目标尺度,利用单尺度的目标检测网络根据图像中目标尺度自适应的改变检测头所处的层次,使其具备检测多尺度目标的能力。
技术关键词
无人机
网络结构
坐标
顶点
像素
深度神经网络
照相机
算法
检测头
上采样
图像
长方形
正确率
模块
存储器
处理器
可读存储介质
多尺度
系统为您推荐了相关专利信息
幕墙
识别方法
无人机航拍图像
相机姿态估计
大视野
光谱图像分类方法
地物类别
协方差矩阵
支持向量机模型
支持向量机训练
激光位移传感器
点样系统
点样方法
点样针
控制单元
深度强化学习
驾驶控制方法
多视角
3D点云
特征提取网络
变化检测方法
高分辨率遥感影像
变化检测算法
补丁
嵌入位置编码