(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211126924.7 (22)申请日 2022.09.16 (71)申请人 中国民用航空飞行 学院 地址 618307 四川省德阳市广汉市南昌路 四段46号 (72)发明人 董兵　杨轲　耿文博　吴悦　 郝宽公　 (74)专利代理 机构 西安研创天下知识产权代理 事务所(普通 合伙) 61239 专利代理师 彭娜娜 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/77(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06V 20/17(2022.01) G06N 3/04(2006.01) (54)发明名称 基于改进YOLOv3的机场盲区遥感图像目标 检测方法 (57)摘要 本发明公开了一种基于改进YOLOv3的机场 盲区遥感图像目标检测方法， 首先， 基于传统 YOLOv3网络加入SPP混合池化提取网络结构， 并 提出以深度可分离卷积替代普通卷积； 其次， 针 对小尺度目标数据集， 增加了第四层金字塔加强 特征提取网络， 在k means++聚类算 法的基础上提 出一种线 性放缩进行锚框筛选； 再次， 结合RSOD ‑ Dataset数据集设计了对照不同trick影响下的 消融实验； 最后通过与 SSD、 原Yolov3目标检测算 法对比， 结果表明本发明具有更优的检测 效果， 并在mixup数据增广后的虚拟数据集上也有良好 的检测效果， 能够有效解决机场终端区航空器处 于监视雷达盲区的问题。 权利要求书2页 说明书6页 附图6页 CN 115546524 A 2022.12.30 CN 115546524 A 1.基于改进YOLOv3的机场盲区遥感图像目标检测方法， 其特 征在于， 包括以下步骤： 步骤1： 航空遥感数据集获取 步骤1.1： 获取RSOD航空遥感数据集图像文件及标注文件， 从xml格式的标注文件读取 先验框信息 步骤1.2： 将对应的数据集按比例划分为训练集、 验证集和测试集， 并按照txt格式文件 存放； 步骤2： 计算先验框的尺度 基于训练集数据， 利用kmean+ +算法计算先验框的尺度； 步骤3： 调整先验框大小 利用针对航空遥感数据集小目标的线性 放缩方法调整先验框大小； 步骤4： 构建改进YOLOv3的机场盲区遥感图像目标检测网络模型； 步骤5： 训练改进的YOLOv3网络模型 利用所述训练集中的训练数据对改进的YOLOv3网络模型进行训练， 采用余弦退火学习 率调整模型梯度， 计算并记录损失函数， 直至模型达到 收敛， 并在验证集中进行验证， 调整 YOLOv3网络模型的网络参数； 步骤6： 模型评估 基于调参完成后的YOLOv3 网络模型， 利用测试集进行预测结果、 MAP值的计算和真实锚 框的绘制； 步骤7： 数据增广集上模型评估 基于RSOD ‑Dataset数据集采用Mixup数据增广， 构造最后进近定位点之后进场飞机的 虚拟增广数据集， 并参照步骤6在虚拟增广数据集上进行预测结果、 MAP值的计算和真实锚 框的绘制； 步骤8： 依据步骤6和步骤7的预测结果， 对改进的YOLOv3网络模型进行验证。 2.根据权利要求1所述的基于改进YOLOv3的机场盲区遥感图像目标检测方法， 其特征 在于， 步骤4的具体操作步骤 包括： 步骤4.1： 在原始YOLOv3三层特征融合提取网络的基础上构 建第四层加强特征提取层， 形成四层金字塔多特 征融合提取网络； 步骤4.2： 基于Darknet53网络加入SPP特征提取结构， 所述SPP特征提取结构包括4条最 大池化运算通路以及特征融合运算模块， 所述最大池化运算通路的卷积核依次为 1×1、 5× 5、 9×9和13×13； 步骤4.3： 采用深度可分离卷积替代普通卷积。 3.根据权利要求1所述的基于改进YOLOv3的机场盲区遥感图像目标检测方法， 其特征 在于， 步骤2的具体操作步骤 包括： 步骤2.1： 随机 选取训练数据集中的一个样本为质心， 作为初始聚类中心； 步骤2.2： 计算其余样本到已知聚类 中心的欧氏距离， 通过轮盘赌算法计算欧氏距离平 方占比并推导 这些样本被选为下一个聚类中心的概 率； 步骤2.3： 迭代执 行步骤2.1 ‑2.2， 直至获取k个聚类中心； 步骤2.4： 将得到的k个聚类中心执 行标准kmeans算法； 步骤2.5： 通过kmeans算法计算得到先验框的值。权　利　要　求　书 1/2 页 2 CN 115546524 A 24.根据权利要求1所述的基于改进YOLOv3的机场盲区遥感图像目标检测方法， 其特征 在于， 步骤3所述的线性 放缩方法所用的计算公式包括： 其中和 和 表示放缩后坐标， x1、 xn、 xi、 yi是变换前的坐标,据经验取a＝0.5、 b ＝3线 性放缩。 5.根据权利要求1所述的基于改进YOLOv3的机场盲区遥感图像目标检测方法， 其特征 在于， 步骤5所述的余弦退火学习率调整公式为： 其中， ηmax、 ηmin分别代表学习率上下限， 规定了学习率 的范围； Tcur表示已运行的epoch 数， Ti代表训练模型的epoc h数。权　利　要　求　书 2/2 页 3 CN 115546524 A 3