[發(fā)明專利]一種基于多域注意力機(jī)制的無人機(jī)檢測方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202111389310.3
• 申請日: 2021-11-23
• 公開（公告）號(hào): CN113822383B
• 公開（公告）日: 2022-03-15
• 發(fā)明（設(shè)計(jì)）人: 羅遠(yuǎn)哲;劉瑞景;徐盼云;梅軼純;鄭玉潔;吳鵬;劉志明;李文靜;孟小鈺
• 申請（專利權(quán)）人: 北京中超偉業(yè)信息安全技術(shù)股份有限公司
• 主分類號(hào): G06V10/80
• 分類號(hào): G06V10/80;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 杜陽陽

本發(fā)明涉及一種基于多域注意力機(jī)制的無人機(jī)檢測方法，該方法包括：構(gòu)建無人機(jī)檢測圖像數(shù)據(jù)集；構(gòu)建基于多域注意力機(jī)制的無人機(jī)檢測網(wǎng)絡(luò)；采用無人機(jī)檢測圖像數(shù)據(jù)集對無人機(jī)檢測網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得無人機(jī)檢測模型；利用無人機(jī)檢測模型對待檢測圖像進(jìn)行無人機(jī)檢測；無人機(jī)檢測網(wǎng)絡(luò)包括骨干網(wǎng)絡(luò)、多尺度特征融合網(wǎng)絡(luò)、多域注意力機(jī)制模塊、區(qū)域生成網(wǎng)絡(luò)、ROI Align層和檢測頭。本發(fā)明提高了無人機(jī)識(shí)別精度。

技術(shù)領(lǐng)域

本發(fā)明涉及目標(biāo)檢測領(lǐng)域，特別是涉及一種基于多域注意力機(jī)制的無人機(jī)檢測方法及系統(tǒng)。

背景技術(shù)

近年來，中國無人機(jī)行業(yè)迅速發(fā)展，無人機(jī)的應(yīng)用場景得以不斷拓寬加深。但是無人機(jī)數(shù)量的激增和其監(jiān)管體系的不完善也導(dǎo)致了個(gè)人隱私泄露、保密信息外泄等一系列問題，對社會(huì)與軍事安全構(gòu)成了嚴(yán)重威脅。實(shí)現(xiàn)無人機(jī)的快速精確識(shí)別是進(jìn)行無人機(jī)監(jiān)管和反制的基礎(chǔ)。由于強(qiáng)大的特征表達(dá)能力和出色的檢測效率，基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測技術(shù)得到了專家學(xué)者的廣泛研究，能夠?yàn)闊o人機(jī)識(shí)別提供可靠的技術(shù)途徑。

然而無人機(jī)多處于飛行運(yùn)動(dòng)狀態(tài)，導(dǎo)致其在視場中的尺寸變化較大。此外，受到型號(hào)、飛行姿態(tài)、拍攝角度等多種因素影響，無人機(jī)的視覺特征存在較大的豐富性和差異性。這使得無人機(jī)的精確檢測成為目標(biāo)檢測領(lǐng)域的一大難點(diǎn)。現(xiàn)有算法多采用多尺度特征融合技術(shù)來解決無人機(jī)檢測中的尺度變化問題（曹靖豪,張俊舉,黃維,姚若彤,張平.基于多尺度特征融合的無人機(jī)識(shí)別與檢測[J].空天防御,2021,4(01):60-64+70.），但對如何從豐富的特征信息中篩選出有助于無人機(jī)識(shí)別定位的關(guān)鍵特征則研究較少。因此，亟需探索一種能精確識(shí)別和定位無人機(jī)的方法。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于多域注意力機(jī)制的無人機(jī)檢測方法及系統(tǒng)，提高了無人機(jī)識(shí)別精度。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種基于多域注意力機(jī)制的無人機(jī)檢測方法，包括：

構(gòu)建無人機(jī)檢測圖像數(shù)據(jù)集；

構(gòu)建基于多域注意力機(jī)制的無人機(jī)檢測網(wǎng)絡(luò)；

采用所述無人機(jī)檢測圖像數(shù)據(jù)集對所述無人機(jī)檢測網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得無人機(jī)檢測模型；

利用所述無人機(jī)檢測模型對待檢測圖像進(jìn)行無人機(jī)檢測；

所述無人機(jī)檢測網(wǎng)絡(luò)包括骨干網(wǎng)絡(luò)、多尺度特征融合網(wǎng)絡(luò)、多域注意力機(jī)制模塊、區(qū)域生成網(wǎng)絡(luò)、ROI Align層和檢測頭；

所述骨干網(wǎng)絡(luò)包括依次連接的第一卷積塊、第二卷積塊、第三卷積塊、第四卷積塊和第五卷積塊；

所述多尺度特征融合網(wǎng)絡(luò)用于對所述第五卷積塊的輸出進(jìn)行卷積核為1*1的卷積操作，獲得特征圖F5；所述多尺度特征融合網(wǎng)絡(luò)還用于將對所述特征圖F5進(jìn)行上采樣操作后的特征圖與對所述第四卷積塊的輸出進(jìn)行卷積核為1*1的卷積操作后的特征圖進(jìn)行元素級(jí)相加，獲得特征圖F4；所述多尺度特征融合網(wǎng)絡(luò)還用于將對所述特征圖F4進(jìn)行上采樣操作后的特征圖與對所述第三卷積塊的輸出進(jìn)行卷積核為1*1的卷積操作后的特征圖進(jìn)行元素級(jí)相加，獲得特征圖F3；所述多尺度特征融合網(wǎng)絡(luò)還用于將對所述特征圖F3進(jìn)行上采樣操作后的特征圖與對所述第二卷積塊的輸出進(jìn)行卷積核為1*1的卷積操作后的特征圖進(jìn)行元素級(jí)相加，獲得特征圖F2；