[發(fā)明專利]用于無人機小目標(biāo)監(jiān)測的遷移學(xué)習(xí)方法

在審

• 申請?zhí)枺?/td>: 202110683465.1
• 申請日: 2021-06-21
• 公開（公告）號: CN113435286A
• 公開（公告）日: 2021-09-24
• 發(fā)明（設(shè)計）人: 陳懷新;劉壁源;黃周
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京正華智誠專利代理事務(wù)所(普通合伙) 11870
• 代理人: 何凡

1.一種用于無人機小目標(biāo)監(jiān)測的遷移學(xué)習(xí)方法，其特征在于，包括以下步驟：

S1、將無人機采集的開源對地圖像數(shù)據(jù)作為訓(xùn)練樣本；

S2、對以ResNet-50為骨干結(jié)構(gòu)的RetinaNet網(wǎng)絡(luò)進行初始化；

S3、通過初始化后的RetinaNet網(wǎng)絡(luò)遍歷訓(xùn)練樣本，同時采用512×512的圖像尺寸對訓(xùn)練樣本進行迭代訓(xùn)練，確定目標(biāo)域網(wǎng)絡(luò)的初始參數(shù)，并形成目標(biāo)域網(wǎng)絡(luò)的特征圖，采用1024×1024的圖像尺寸對訓(xùn)練樣本進行迭代訓(xùn)練，確定源域網(wǎng)絡(luò)的最終參數(shù)，并形成源域網(wǎng)絡(luò)的特征圖；

S4、利用特征層級上采樣對齊方式將目標(biāo)域網(wǎng)絡(luò)的特征圖與源域網(wǎng)絡(luò)的特征圖進行對準(zhǔn)；

S5、利用基于錨框交并比的自適應(yīng)特征圖匹配方式，將對準(zhǔn)后的目標(biāo)域網(wǎng)絡(luò)與源域網(wǎng)絡(luò)的層級特征圖進行匹配，得到匹配點矩陣；

S6、根據(jù)對準(zhǔn)后的目標(biāo)域網(wǎng)絡(luò)的特征圖與源域網(wǎng)絡(luò)的特征圖和其匹配點矩陣，計算歸一化局部L2范數(shù)損失，即源域網(wǎng)絡(luò)到目標(biāo)域網(wǎng)絡(luò)對應(yīng)關(guān)鍵特征點的殘差；

S7、利用梯度反向傳播進行最小化殘差，縮小源域網(wǎng)絡(luò)特征圖與目標(biāo)域網(wǎng)絡(luò)特征圖的差異，直到完成最小化殘差，即完成源域到目標(biāo)域的深度神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)遷移訓(xùn)練學(xué)習(xí)，用于無人機小目標(biāo)監(jiān)測的遷移學(xué)習(xí)。

2.根據(jù)權(quán)利要求1所述的用于無人機小目標(biāo)監(jiān)測的遷移學(xué)習(xí)方法，其特征在于：步驟S1中，采集的開源對地圖像數(shù)據(jù)為VisDrone2018-DET數(shù)據(jù)集，訓(xùn)練樣本為6471張。

3.根據(jù)權(quán)利要求1所述的用于無人機小目標(biāo)監(jiān)測的遷移學(xué)習(xí)方法，其特征在于，步驟S2的具體方法包括以下子步驟：

S2-1、利用超過33萬張圖片的COCO數(shù)據(jù)對RetinaNet網(wǎng)絡(luò)中的ResNet-50結(jié)構(gòu)進行預(yù)訓(xùn)練；其中ResNet-50結(jié)構(gòu)為卷積特征抽取網(wǎng)絡(luò)；

S2-2、通過隨機梯度下降方式對RetinaNet網(wǎng)絡(luò)進行訓(xùn)練參數(shù)設(shè)置；其中初始學(xué)習(xí)率、動量和權(quán)重衰減系數(shù)分別設(shè)置為0.001、0.9、0.01。

4.根據(jù)權(quán)利要求1所述的用于無人機小目標(biāo)監(jiān)測的遷移學(xué)習(xí)方法，其特征在于：步驟S3中遍歷的次數(shù)為20輪，每次迭代的輸入為4張圖片壓縮的張量，即每輪的迭代次數(shù)為訓(xùn)練樣本的張數(shù)除以4；整個20輪遍歷中，前1000次迭代學(xué)習(xí)率從0.001到0.01線性變化，除第6輪和第14輪遍歷訓(xùn)練樣本的學(xué)習(xí)率為前一輪的1/5，后續(xù)迭代的學(xué)習(xí)率與前一次相同。

5.根據(jù)權(quán)利要求1所述的用于無人機小目標(biāo)監(jiān)測的遷移學(xué)習(xí)方法，其特征在于：步驟S4中特征層級上采樣對齊方式為最近鄰插值方式。

6.根據(jù)權(quán)利要求1所述的用于無人機小目標(biāo)監(jiān)測的遷移學(xué)習(xí)方法，其特征在于，步驟S5的具體方法包括以下步驟：

S5-1、提取層級特征圖的錨框和目標(biāo)邊框；其中錨框和目標(biāo)邊框均為用兩個頂點坐標(biāo)表示的矩形邊框；

S5-2、用兩個邊框的交集面積除以兩個邊框的并集面積，得到兩個邊框的交并比；

S5-3、利用兩個邊框的交并比形成一個和層級特征圖相同尺寸的矩陣，即交并比分布圖，并計算該交并比分布圖的平均值和方差；

S5-4、將交并比分布圖的平均值和方差相加，得到一個自適應(yīng)閾值；

S5-5、判斷層級特征圖的特征點是否大于自適應(yīng)閾值，若是則判定得到匹配位置，其值為1，否則判定得到忽略點，其值為0；

S5-6、將判斷結(jié)果組合成一個新的矩陣，即得到匹配點矩陣。

7.根據(jù)權(quán)利要求1所述的用于無人機小目標(biāo)監(jiān)測的遷移學(xué)習(xí)方法，其特征在于，步驟S6中采用特征點匹配損失函數(shù)作為代價函數(shù)計算L2范數(shù)損失的具體方法為：

根據(jù)公式：

得到歸一化局部L2范數(shù)損失loss_trans；其中，S(i,j)為對準(zhǔn)后的源域網(wǎng)絡(luò)的特征圖上i行j列的值，T(i,j)為對準(zhǔn)后的目標(biāo)域網(wǎng)絡(luò)的特征圖上i行j列的值，mask(i,j)為匹配點矩陣，M×N為特征圖尺寸，且i∈(1,2,...,M)，j∈(1,2,...,N)。