北京京航计算通讯研究所

本发明涉及一种面向弱小目标的边界框回归优化方法，属于目标检测技术领域，包括：获取预测边界框和真实边界框，并分别解耦得到边界框参数，根据预测边界框和真实边界框的边界框参数，构建位置维度距离度量、尺度维度距离度量和形状维度距离度量，并得到尺度不变距离；获取预测边界框与真实边界框的交并比值，根据所述交并比值构建对数平滑交并比项，根据尺度不变距离构建尺度不变距离相似性项，基于对数平滑交并比项和所述尺度不变距离相似性项得到解耦尺度不变交并比相似性度量；根据解耦尺度不变交并比相似性度量构建损失函数，利用所述损失函数进行边界框回归优化。解决现有弱小目标回归中特征学习不准、梯度分配失衡、训练收敛不稳定的问题。

本发明涉及一种目标识别方法，属于目标检测技术领域，解决了现有技术中目标识别方法未充分考虑多模态图像的个性与共性信息，无法提供多维目标物体属性的问题。获取多模态图像在不同尺度下的专属特征和共享特征；对于每个尺度下的专属特征和共享特征，执行如下操作：基于共享特征生成目标区域空间掩码；基于专属特征和空间掩码生成掩码加权特征；基于共享特征和掩码加权特征得到融合特征；将每个尺度下的融合特征和掩码加权特征输入目标识别网络以得到初始识别结果；对不同尺度下的初始识别结果进行后处理操作，以得到最终的目标识别结果。实现了一种充分考虑多模态图像特征信息，识别精度高，且能够输出多维识别结果的目标识别方法。