公开(公告)号：CN116563671A

公开(公告)日：2023-08-08

申请号：CN202310673556.6

申请日：2023-06-07

申请人： 中国航空研究院

发明人： 陈鹏鹏 ,  王若 ,  邢晨光 ,  刘波

IPC分类号： G06V10/774 ,  G06V10/764 ,  G06V10/46 ,  G06V20/17 ,  G06N20/00

摘要： 本发明涉及飞行器的智能识别与检测技术，尤其涉及基于显著性图数据增强的飞行器智能识别与检测方法。本发明受限提取面向重要实体的显著性图，即关于飞行器对象的显著性图。然后，基于显著性峰值区域，生成用于数据增强的补丁，可以有效缓解和解决飞行器识别模型训练样本不足、航空领域样本稀疏、小样本问题，从而扩充基于深度学习和数据驱动的飞行器模型的训练数据的数量，增加飞行器模型的训练数据的多样性和可用性，提升飞行器识别的效果，从而为深度机器学习在航空领域目标识别提供支撑，提出数据增强方法可以用于提升YOLOX等大多数目标和检测方法的效果，适用于F22等多种飞行器识别应用。

公开(公告)号：CN116935151A

公开(公告)日：2023-10-24

申请号：CN202310246915.X

申请日：2023-07-11

申请人： 中国航空研究院

发明人： 陈鹏鹏 ,  王若 ,  邢晨光 ,  刘波 ,  王新 ,  张子元 ,  韩宗昌

IPC分类号： G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/082

摘要： 本发明属于计算机视觉技术领域，尤其涉及一种基于神经网络覆盖率的飞行器目标识别方法。本发明通过分析目标检测模型的测试结果，对基于深度神经网络的检测模型的神经元和神经元之间的连接进行剪枝，自适应调整模型的结构，以优化目标检测的精度，同时加快“智能测试+机器学习”闭环收敛。利用神经网络覆盖率量化了深度神经网络的激活程度，利用采集的航空图像数据对模型进行训练，无需基于图像数据生成候选框，这种做法降低了目标识别模型训练的时间成本，通过反向传播和参数微调可以高效地获取可应用于航空图像检测任务的智能模型，以满足航空领域对任务执行的高实时性和强机动性的需求。