摘要
本发明公开了一种基于分频特征细化的旋转目标检测方法,首先对输入图像进行初始特征提取;然后,进行四阶段的局部特征、全局特征和上下文特征的分频特征细化,既关注图像关键位置信息,建模全局关系,又提取周围环境信息作为补充,增强模型对信息的捕获能力;最后,利用检测头对目标进行分类与定位,并设计样本协同调优损失,自适应调整模型对正负样本的重视程度,进一步提升模型的检测精度。本发明解决了过去遥感图像旋转目标检测特征提取能力不足,场景复杂导致目标间干扰和遮挡,以及目标特性对定位敏感等问题。本发明适用于复杂环境下的遥感图像的旋转目标检测任务,检测准确率高,鲁棒性好。本发明在旋转目标检测领域有着广泛的应用。
技术关键词
高频特征
上下文特征
样本
前馈神经网络
注意力机制
分支
Softmax函数
遥感图像提取
矩阵
特征金字塔网络
区域生成网络
超像素特征
生成超像素
局部感受野
周围环境信息
特征提取能力
因子
重构
系统为您推荐了相关专利信息
制冷设备
节能优化方法
深度学习算法
时间序列预测方法
引入注意力机制
电力虚拟储能控制
XGBoost模型
数据分布
负荷
预测残差
文档检索方法
大语言模型
文档检索系统
文档检索技术
生成同义词
数据
智能动态调度方法
指标
权重算法
分布式存储系统