[發(fā)明專利]基于卷積受限玻爾茲曼機(jī)的無(wú)人機(jī)圖像目標(biāo)檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010055258.7
• 申請(qǐng)日: 2020-01-17
• 公開（公告）號(hào): CN111291634B
• 公開（公告）日: 2023-07-18
• 發(fā)明（設(shè)計(jì)）人: 劉貞報(bào);馬博迪;江飛鴻;嚴(yán)月浩;張超;布樹輝
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號(hào): G06V20/13
• 分類號(hào): G06V20/13;G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京睿智保誠(chéng)專利代理事務(wù)所(普通合伙) 11732
• 代理人: 周新楣

1.基于卷積受限玻爾茲曼機(jī)的無(wú)人機(jī)圖像目標(biāo)檢測(cè)方法，其特征在于，包括以下步驟：

步驟1：獲取航拍圖像中的圖塊，構(gòu)建初始訓(xùn)練樣本數(shù)據(jù)集；

步驟2：對(duì)初始訓(xùn)練樣本數(shù)據(jù)集進(jìn)行擴(kuò)充處理，將初始訓(xùn)練樣本數(shù)據(jù)集和擴(kuò)充后的訓(xùn)練樣本數(shù)據(jù)集進(jìn)行合并得到總的訓(xùn)練樣本數(shù)據(jù)集；

采用多角度旋轉(zhuǎn)變換方法對(duì)初始訓(xùn)練樣本數(shù)據(jù)集進(jìn)行擴(kuò)充；

給定P個(gè)旋轉(zhuǎn)角度θ＝{θ₁，θ₂，...，θ_p}，以及對(duì)應(yīng)的P個(gè)旋轉(zhuǎn)變換將旋轉(zhuǎn)作用到初始訓(xùn)練樣本數(shù)據(jù)集S_orign＝{s₁，s₂，...，s_N}上，得到擴(kuò)充后的訓(xùn)練樣本數(shù)據(jù)集DS_orign＝{Ds₁，Ds₂，...，Ds_N}；

其中，

所述總的訓(xùn)練樣本數(shù)據(jù)集S＝{S_orign，DS_orign}＝{s₁，s₂，s₃，...，s_N，Ds₁，Ds₂，...，Ds_N}；

N表示初始訓(xùn)練樣本集合中訓(xùn)練樣本的個(gè)數(shù)，表示旋轉(zhuǎn)角度為θ_m的旋轉(zhuǎn)變換，m＝1，2，...，P，P表示旋轉(zhuǎn)角度的總個(gè)數(shù)；

步驟3：構(gòu)建卷積受限玻爾茲曼模型，采用兩種不同尺寸的卷積核提取總的訓(xùn)練樣本數(shù)據(jù)集的特征向量，根據(jù)特征向量計(jì)算可見層與隱藏層概率分布，解算受限玻爾茲曼機(jī)模型參數(shù)，完成卷積受限玻爾茲曼模型的訓(xùn)練；

兩種不同尺寸的卷積核的大小分別為L(zhǎng)1*L1和L2*L2，L2大于2倍的L1，L1*L1的卷積核用于提取總的訓(xùn)練樣本數(shù)據(jù)集的初級(jí)局部特征和L2*L2的卷積核用于提取總的訓(xùn)練樣本數(shù)據(jù)集的上下文特征，對(duì)于單個(gè)訓(xùn)練樣本s_i圖塊共生成n維特征向量，記做Vⁱ＝{v₁，v₂，...，v_n}，特征向量Vⁱ作為受限玻爾茲曼機(jī)的輸入；

所述卷積受限玻爾茲曼模型根據(jù)初始訓(xùn)練樣本數(shù)據(jù)集的特征向量，計(jì)算可視層和隱藏層之間的概率分布；

所述受限玻爾茲曼機(jī)模型的可視層和隱藏層概率分布計(jì)算公式為：

可視層與隱藏層概率分布為：

其中，可視層邊緣概率分布為：

其中，Z(θ)為歸一化因子，Z(θ)＝∑_v∑_hexp(-E(v，h)

步驟4：將航拍影像輸入至訓(xùn)練后的卷積受限玻爾茲曼模型，得到目標(biāo)檢測(cè)分類結(jié)果，方法具體如下：

對(duì)航拍影像采用選擇性搜索方法提取目標(biāo)圖塊集合；

對(duì)目標(biāo)圖塊進(jìn)行縮放處理使其與訓(xùn)練圖塊大小一致，通過卷積運(yùn)算提取樣本初級(jí)特征；

將初級(jí)特征輸入受限玻爾茲曼模型得到樣本的高級(jí)特征，使用softmax分類器對(duì)高級(jí)特征進(jìn)行分類，得到目標(biāo)檢測(cè)分類結(jié)果；

使用softmax分類器對(duì)高級(jí)特征進(jìn)行分類，得到目標(biāo)圖塊屬于各類別的概率向量c＝{c₁，c₂，...，c_k}，取概率向量的最大值argmax(c_i)所在的類別作為目標(biāo)圖塊類別信息。

2.根據(jù)權(quán)利要求1所述的基于卷積受限玻爾茲曼機(jī)的無(wú)人機(jī)圖像目標(biāo)檢測(cè)方法，其特征在于，步驟1中，所述圖塊包括含有目標(biāo)的目標(biāo)圖像塊，以及不含有目標(biāo)的背景圖像塊。