【技术实现步骤摘要】
基于多尺度深度卷积神经网络的卫星图像目标检测方法
本专利技术涉及到基于卷积神经网络检测多尺度卫星图像目标的
,具体涉及一种基于多尺度深度卷积神经网络的卫星图像目标检测方法。
技术介绍
近年来基于深度学习的目标检测算法有了很大的效率提升,但基于卫星图像的处理还存在着一系列问题。卫星图像是十分重要的资源,可以通过它计量国土资源,检测地面情况并且能高瞻远瞩的记录地表发生的变化。但是,由于卫星图像十分巨大而且其中的物体相对较小,缺乏高质量卫星图像的训练数据等问题,使得利用卫星图像进行目标检测是充满挑战的工作。例如:对于卫星图像中小物体和密集物体群的检测效果差强人意;现有目标检测算法对于不常见的比例或新的图像分布缺乏一定的泛化能力,同时由于物体可能的方向和尺寸比例各不相同,算法有限的比例变化对于特殊目标的检测就会失效;同时,现有目标检测算法都是对整幅图像进行处理的,但对于上亿像素的卫星图像来说,很难有硬件显卡内存可以满足如此大的需求。
技术实现思路
针对现有技术的不足,本专利技术的目的是提供一种基于多尺度深度卷积神经网络的卫星图像目标检测方法,以解决
技术介绍
中所述的各种缺陷。为达到上述目的,本专利技术采用的技术方案如下:一种基于多尺度深度卷积神经网络的卫星图像目标检测方法,其关键在于:包括如下步骤:步骤1:收集卫星图像训练数据集,并进行样本标注;步骤2:对卫星图像训练数据集进行预处理;步骤3:搭建多尺度深度卷积神经网络,搭建步骤如下:步骤3.1: ...
【技术保护点】
1.一种基于多尺度深度卷积神经网络的卫星图像目标检测方法,其特征在于包括如下步骤:/n步骤1:收集卫星图像训练数据集,并进行样本标注;/n步骤2:对卫星图像训练数据集进行预处理;/n步骤3:搭建多尺度深度卷积神经网络,搭建步骤如下:/n步骤3.1:构建共有17层卷积层的基础分组卷积模块,并分别在第1、2、5、8层卷积层连接池化层;/n步骤3.2:在步骤3.1的基础上构建残差连接卷积模块,将该残差连接卷积模块的每一层的每个输出端都依次连接批量归一化和LeakyReLu激活函数模块;/n步骤3.3:在第15层卷积层后连接通道层,在最后一层卷积层的每个输出端连接线性激活函数模块,构成共有22层结构的多尺度深度卷积神经网络,并将该多尺度深度卷积神经网络的输出段连接Focalloss损失函数模块;/n步骤4:将预处理后的训练数据集输入到基于所述多尺度深度卷积神经网络的目标检测框架进行训练,获得训练好的目标检测神经网络;/n步骤5:输入待检测卫星图像集,采用训练好的所述目标检测神经网络进行目标检测,输出识别结果。/n
【技术特征摘要】
1.一种基于多尺度深度卷积神经网络的卫星图像目标检测方法,其特征在于包括如下步骤:
步骤1:收集卫星图像训练数据集,并进行样本标注;
步骤2:对卫星图像训练数据集进行预处理;
步骤3:搭建多尺度深度卷积神经网络,搭建步骤如下:
步骤3.1:构建共有17层卷积层的基础分组卷积模块,并分别在第1、2、5、8层卷积层连接池化层;
步骤3.2:在步骤3.1的基础上构建残差连接卷积模块,将该残差连接卷积模块的每一层的每个输出端都依次连接批量归一化和LeakyReLu激活函数模块;
步骤3.3:在第15层卷积层后连接通道层,在最后一层卷积层的每个输出端连接线性激活函数模块,构成共有22层结构的多尺度深度卷积神经网络,并将该多尺度深度卷积神经网络的输出段连接Focalloss损失函数模块;
步骤4:将预处理后的训练数据集输入到基于所述多尺度深度卷积神经网络的目标检测框架进行训练,获得训练好的目标检测神经网络;
步骤5:输入待检测卫星图像集,采用训练好的所述目标检测神经网络进行目标检测,输出识别结果。
2.根据权利要求1所述的基于多尺度深度卷积神经网络的卫星图像目标检测方法,其特征在于:步骤1中所述样本标注的样本包括汽车样本数据集、建筑平面样本数据集、飞机样本数据集、船只样本数据集与机场样本数据集,其中:
所述汽车样本数据集采用COWC数据集,基于15cm的GSD尺度,利用高斯核对图像进行处理,并在30cm的GSD尺度上为每辆车标注3m的边框;
所述建筑平面样本数据集采用SpaceNet数据集,在30cm的GSD尺度下进行样本的标注。
3.根据权利要求1所述的基于多尺度深度卷积神经网络的卫星图像目标检测方法,其特征在于:步骤2中所述预处理过程的具体步骤为:
步骤2.1:按照预设的图像尺寸、重叠率对收集的卫星图像训练数据集进...
【专利技术属性】
技术研发人员:丁忆,李朋龙,曾安明,李晓龙,马泽忠,肖禾,罗鼎,段松江,胡艳,王岚,陈静,刘金龙,刘朝晖,魏文杰,谭攀,范文武,林熙,刘建,叶涛,袁力,
申请(专利权)人:重庆市地理信息和遥感应用中心重庆市测绘产品质量检验测试中心,
类型:发明
国别省市:重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。