原创力文档- 1、本文档共20页，其中可免费阅读19页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供了一种基于数据融合与特征选择的遥感影像多尺度目标检测方法，包括以下步骤：步骤S1：获取训练集，对整个训练集中各类别存在的边界框数量进行统计；步骤S2：通过数据融合增强补齐训练集中各类别的边界框数量差，使训练集中各类别的边界框数量达到均衡，得到最终的用于模型训练的训练集；步骤S3：将步骤S2处理后的训练集采用FoveaBox网络进行训练，将不同尺寸的目标在不同的尺度特征图上进行目标识别。多尺度特征表达与选择和数据融合增强两种方法结合可以应对遥感影像中相对复杂背景的影像，减轻类别不均衡的影
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113449666 A
(43)申请公布日 2021.09.28
(21)申请号 202110766948.8
(22)申请日 2021.07.07
(71)申请人 中南大学
地址 41
文档评论（0）