基于深度进化剪枝卷积网的遥感图像目标检测方法技术

本发明专利技术公开了一种基于深度进化剪枝卷积网的遥感图像目标检测方法，解决现有遥感图像目标检测中未对检测速度及检测精度同时全局有效优化的问题。具体步骤：处理数据集；构建深度卷积特征提取子网；构建全卷积FCN检测子网；构建并训练深度卷积目标检测网络；构建并训练基于深度进化剪枝卷积网的目标检测网络；用训练好的模型对测试数据集进行目标检测；输出测试结果。本发明专利技术用深度可分离卷积构造反残差结构，在高检测精度的同时大幅降低模型参数量；目标检测网络与进化剪枝相结合，实现全局加速。本发明专利技术大幅降低计算量、显著提高目标检测速度，检测精度高，用于对遥感图像中的飞机与舰船等小目标进行快速、准确检测。

Remote sensing image target detection method based on deep evolution pruning convolution network

The invention discloses a remote sensing image target detection method based on the deep evolution pruning convolution network, which solves the problem that the detection speed and detection accuracy are not effectively optimized at the same time in the existing remote sensing image target detection. Specific steps: processing data set; constructing deep convolution feature extraction subnet; constructing full convolution FCN detection subnet; constructing and training deep convolution target detection network; constructing and training target detection network based on deep evolution pruning convolution network; using the trained model to detect the test data set; outputting the test results. In the invention, the depth separable convolution is used to construct the anti residual structure, which can greatly reduce the amount of model parameters at the same time of high detection accuracy; the target detection network is combined with the evolutionary pruning to achieve global acceleration. The invention greatly reduces the calculation amount, significantly improves the target detection speed, and has high detection accuracy, which is used for fast and accurate detection of small targets such as aircraft and ships in the remote sensing image.

【技术实现步骤摘要】
基于深度进化剪枝卷积网的遥感图像目标检测方法
本专利技术属于图像处理
，更进一步涉及遥感图像目标检测，具体是一种基于深度进化剪枝卷积网的遥感图像目标检测方法，可应用于对遥感图像中不同区域内的飞机与舰船的地物目标进行检测。
技术介绍
目标检测技术是计算机视觉领域的核心问题之一，遥感图像目标检测是指使用遥感卫星捕捉到的影像为数据源，采用图像处理技术对影像中感兴趣的目标进行定位和分类。遥感图像目标检测作为遥感图像应用中的关键技术，可以在高科技军事对抗中，捕捉攻击目标，提供精确的位置与类别信息等，对军事领域有着重大的影响，具有重要的应用及研究价值。现有技术中由于遥感图像尺寸大、分辨率低、目标尺寸小且目标边缘模糊，导致现有的方法在进行遥感图像目标检测时常常无法较好地学习到目标的特征，进而导致目标检测的准确率低，并且由于遥感图像的庞大数据量及网络模型存在的巨大参数量，检测速度极大受限。现有目标检测技术的效率和准确率往往不可兼得。二阶检测模型如FasterR-CNN有着很高的准确性，同时也带来了巨大的计算量；一阶检测模型如YOL本文档来自技高网...

【技术保护点】
1.一种基于深度进化剪枝卷积网的遥感图像目标检测方法，其特征在于，包括如下步骤：/n(1)处理训练数据集及验证数据集：选取多幅包含多种目标的光学遥感图像，将图像切割处理为512×512像素的图像块，其中光学遥感图像70％的图像块组成训练数据，30％组成验证数据集，并对训练数据集进行数据增强；/n(2)处理测试数据集：输入另外多幅包含多种目标的光学遥感图像，将图像切割处理为512×512像素的图像块组成测试数据集；/n(3)构建深度卷积特征提取子网络：分别构建深度可分离卷积反残差连接模块和特征金字塔卷积模块，依次使用7×7卷积层、最大池化层，将深度可分离卷积反残差连接模块与特征金字塔卷积模块交替...

【技术特征摘要】
1.一种基于深度进化剪枝卷积网的遥感图像目标检测方法，其特征在于，包括如下步骤：
(1)处理训练数据集及验证数据集：选取多幅包含多种目标的光学遥感图像，将图像切割处理为512×512像素的图像块，其中光学遥感图像70％的图像块组成训练数据，30％组成验证数据集，并对训练数据集进行数据增强；
(2)处理测试数据集：输入另外多幅包含多种目标的光学遥感图像，将图像切割处理为512×512像素的图像块组成测试数据集；
(3)构建深度卷积特征提取子网络：分别构建深度可分离卷积反残差连接模块和特征金字塔卷积模块，依次使用7×7卷积层、最大池化层，将深度可分离卷积反残差连接模块与特征金字塔卷积模块交替连接，构成深度卷积特征提取子网络；
深度卷积特征提取子网络具体结构为，原始图像输入层→7×7卷积层→第一个最大池化层→第一个深度可分离卷积反残差连接模块C1→第二个深度可分离卷积反残差连接模块C2→第一个特征金字塔卷积模块P1→第三个深度可分离卷积反残差连接模块C3→第二个特征金字塔卷积模块P2→第四个深度可分离卷积反残差连接模块C4→第三个特征金字塔卷积模块P3→第二个最大池化层→第四个特征金字塔卷积模块P4→第三个最大池化层→第五个特征金字塔卷积模块P5→当前阶段特征图输出层；
(4)构建全卷积FCN检测子网络：
(4a)构建全卷积FCN分类子网：其结构为，分类子网输入层→第一个3×3卷积层→第二个3×3卷积层→第三个3×3卷积层→第四个3×3卷积层→第五个3×3卷积层→分类子网输出层；分类子网输入层是将每一个特征金字塔卷积模块的特征图轮流作为分类子网的输入，依次进行分类检测；
(4b)构建全卷积FCN回归子网：其结构为，回归子网输入层→第一个3×3卷积层→第二个3×3卷积层→第三个3×3卷积层→第四个3×3卷积层→第五个3×3卷积层→回归子网输出层；回归子网输入层是将每一个特征金字塔卷积模块的特征图轮流作为回归子网的输入，依次进行回归检测；
(5)构建并训练深度卷积目标检测网络：
(5a)构建深度卷积目标检测网络：使用深度卷积特征提取子网络、全卷积FCN分类子网、全卷积FCN回归子网依次搭建构成深度卷积目标检测网络，其结构为，原始图像输入层→深度卷积特征提取子网络→全卷积FCN分类回归子网络；
(5b)训练深度卷积目标检测网络：使用训练数据集及验证数据集作为输入对深度卷积目标检测网络进行训练，得到训练好的深度卷积目标检测网络，保存训练后的深度卷积目标检测网络的权重文件；
(6)构建并训练基于深度进化剪枝卷积网的目标检测网络：
(6a)对训练好的深度卷积目标检测网络中参与剪枝的卷积滤波器进行逐层DNA编码，编码记为DNA1,...l-1,l；
(6b)使用进化算法优化DNA1,...l-1,l编码，得到最终的优化结果编码DNA′1,...l-1,l；
(6c)结合优化结果编码DNA′1,...l-1,l及剪枝规则构建基于深度进化剪枝卷积网的目标检测网络，剪枝规则为编码为0表示此卷积滤波器最终被剪枝，编码为1表示此卷积滤波器被最终被保留，使用训练数据集进行微调，得到训练好的基于深度进化剪枝卷积网的目标检测网络，即训练好的模型，保存训练好的模型权重文件；
(7)利用训练好的模型对测试数据集进行目标检测：
(7a)将测试数据集中的数据块依次输入到训练好的基于深度进化剪枝卷积网的目标检测网络中，得到测试数据集中每个数据块的候选框、候选框对应的分类置信度得分及候选框对应的目标类别；
(7b)丢弃所有分类置信度得分低于阈值0.3的目标类别的候选框，对保留后的其余候选框，进行非极大值抑制处理；
(7c)对所有保留的候选框的坐标进行映射，映射到切割前的光学遥感图像上，并进行二次非极大值抑制处理，得到最终光学遥感图像的检测结果图。


2.根据权利要求1所述的基于深度进化剪枝卷积网的遥感图像目标检测方法，其特征在于，步骤(3)所述构建深度卷积特征提取子网络，其具体步骤为：
(3a)构建深度可分离卷积反残差连接模块：其模块结构为，上一阶段特征图输入层→1×1卷积层→深度可分离卷积单元→逐点相加层→当前阶段特征图输出层；
反残差连接模块中1×1卷积层与深度可分离卷积单元成组出现，逐点相加层是将前一层的深度可分离卷积单元的输出特征图与来自反残差连接模块输入层的特征图进行逐点相加形成的特征处理层；
该反残差连接模块将输入特征图的通道先升维再降维，其中，1×1卷积层将输入特征图的通道进行2倍的升维，深度可分离卷积单元再对输入特征图的通道进行特征提取和2倍的通道降维，使得所构建的深度可分离卷积反残差连接模块的输出特征图通道数目与输入特征图一致；
(3b)构建特征金字塔卷积模块：该模块是一个双层输入单...

【专利技术属性】
技术研发人员：焦李成，李玲玲，姜升，郭雨薇，程曦娜，丁静怡，张梦璇，杨淑媛，侯彪，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61