摘要
本发明提供一种基于特征融合的无人机固体废物自动检测方法,包括获取包含固废的图片并生成图片集合;以所述图片集合作为固废CNN特征提取网络训练样本,训练特征提取网络中的卷积模板参数;使用特征图训练分类、建议框回归与LFA掩码网络;分割形态学图像;引入直方图匹配的叠置分析模块,融合CNN与形态学固废检测结果。本发明提出的一种基于特征融合的无人机固体废物自动检测方法,优化现有CNN结构,基于多尺度特征统合构建层特征聚合模块,充分利用目标的图像结构与深层语义信息;设计叠置分析模块,融合CNN固废检测结果,利用图像梯度信息与固废光谱异质性实现精准的固废检测与边缘调整;通过改进的特征融合分水岭掩码CNN结构构建固废自动检测网络。
技术关键词
自动检测方法
特征提取网络
直方图
无人机
卡方距离
卷积模板
多尺度特征
图片
像素
图像梯度信息
分析模块
图像结构
回归算法
图像分割
分类器
定义
语义
参数
系统为您推荐了相关专利信息
异常检测方法
迁移学习策略
样本
Adam算法
图片
无监督学习
边缘密度特征
滑动窗口
识别方法
直方图特征
识别分类方法
胶囊神经网络
局部感受野
ORB算法
计算机存储介质
激光雷达点云数据
智能汽车
时序
时间同步误差
深度图