一种基于迁移学习的小样本遥感目标检测方法及系统技术方案

一种基于迁移学习的小样本遥感目标检测方法及系统，包括：获取待测遥感影像；将所述待测遥感影像输入到预先训练好的双阶段目标检测模型中，得到待测遥感图像的类别和目标框回归；其中，所述双阶段目标检测模型由源数据集训练得到所述双阶段目标检测模型的参数，在参数固定后由目标数据集微调双阶段目标检测模型中的迁移参数构建而成。本发明专利技术提供的技术方案极大地减少了迁移学习微调阶段的可学习参数量，使得模型既能完成对少量有监督数据的拟合，又具备相应的泛化能力，实现小样本条件下的遥感目标检测。

A method and system of small sample remote sensing target detection based on Transfer Learning

【技术实现步骤摘要】
一种基于迁移学习的小样本遥感目标检测方法及系统
本专利技术涉及图像处理领域，具体涉及一种基于迁移学习的小样本遥感目标检测方法及系统。
技术介绍
深度学习在目标检测领域中的成果不胜枚举，相较于传统方法，深度学习下的卷积神经网络有着更高的识别率和一定的泛化性。主流的目标检测框架分为单阶段与双阶段两种。其中，双阶段检测方法准确率高，训练上也更简单，但总体的检测速度略慢，因此在不过分追求检测速度的场景下，双阶段检测框架更具优势。但是，当前遥感图像的目标检测领域中，训练一个卷积神经网络需要大量的有监督的图像样本集，但获取一个大规模的遥感图像数据集往往很困难，成本很高，且测试集和训练集来自于同一个域，因此在遇到新类别的目标时，模型的检测性能就被大大削弱。面对稀缺数据集时，更容易遇到过拟合问题，导致模型性能的提升十分困难。
技术实现思路
为了解决现有技术中所存在的数据集不足，容易过拟合且对新类别目标识别性能不足等问题，本专利技术提供一种基于迁移学习的小样本遥感目标检测方法。一种基于迁移学习的小样本遥感目标检测方法，包括：获取待测遥感影像；将所述待测遥感影像输入到预先训练好的双阶段目标检测模型中，得到待测遥感图像的类别和目标框；其中，所述双阶段目标检测模型由源数据集训练得到所述双阶段目标检测模型的参数，在参数固定后由目标数据集微调双阶段目标检测模型中的迁移参数构建而成。优选的，所述双阶段目标检测模型的训练包括：获取历史遥感影像并对所述遥感影像进行影像区域块的划分和筛选；将筛选出的影像区域块中的遥感影像进行源数据集和目标数据集的划分；基于所述源数据集对所述双阶段目标检测模型进行第一阶段训练，确定所述双阶段目标检测模型的参数；将确定了参数的双阶段目标检测模型设定一组迁移参数，迁移到所述目标数据集上进行第二阶段训练，并基于第二阶段训练微调双阶段目标检测模型中的迁移参数。优选的，所述基于所述源数据集对所述双阶段目标检测模型进行训练，确定所述双阶段目标检测模型的参数，包括：判断所述源数据集的样本数量是否达到源设定阈值，当达到所述源设定阈值时，将所述源数据集按照设定比例划分为训练集和测试集；基于所述训练集对所述双阶段目标检测模型进行初级训练，并基于所述测试集对所述双阶段目标检测模型进行检测，确定所述双阶段目标检测模型的参数；否则，基于所述源数据集对所述双阶段目标检测模型进行初级训练，确定所述双阶段目标检测模型的参数。优选的，所述将确定了参数的双阶段目标检测模型设定一组迁移参数，迁移到所述目标数据集上进行第二阶段训练，并基于第二阶段训练微调双阶段目标检测模型中的迁移参数，包括：判断所述目标数据集样本数量是否大于目标设定阈值，当大于所述目标设定阈值时，将所述目标数据集划分为目标训练集和目标测试集；基于所述目标训练集对确定参数后的双阶段目标检测模型进行训练；并基于所述目标测试集对确定参数后的双阶段目标检测模型进行检测，微调所述双阶段目标检测模型；否则，基于所述目标数据集对确定参数后的双阶段目标检测模型进行训练，微调所述双阶段目标检测模型。优选的，将获取历史遥感影像并对所述遥感影像进行影像区域块的划分和筛选，包括：利用分水岭变换将历史遥感影像做一个初始分割，并根据影像中地物的信息进行区域合并，得到最终的影像区域块；在所述最终的影像区域块中根据目标数量的多少将目标类别划分为源类与目标类，并去掉不同时包含源类和目标类的遥感图像影像块，得到筛选出的影像区域块。优选的，所述将筛选出的影像区域块中的遥感影像进行源数据集和目标数据集的划分，包括：在筛选出的影像区域块中的遥感影像，根据目标数量的多少划分源类和目标类，将含目标数量达到设定数目的类别的归为源类，含目标数量低于设定数目的类别归为目标类；所述源类和目标类的目标类别无交集时，将源类每一个类别的目标数据划分到源数据集，将目标类每一个类别的目标数据划分到目标数据集；并将源类每一个类别的目标数据均进行尺度变换，使得源数据集的尺寸与目标数据集尺寸相匹配。优选的，所述将处理后的待测遥感影像输入到训练好的双阶段目标检测模型中，得到待测遥感图像的类别和目标框，包括：将处理后的待测遥感影像输入到预先训练好的双阶段目标检测模型中，提取出多个所述待测遥感影像的候选区域，然后再对提取的所述候选区域进行目标类别判断和位置定位，并将所述候选区域的目标类别和位置定位作为所述待测遥感影像图像的类别和目标框。一种基于迁移学习的小样本遥感目标检测系统，包括：获取模块，用于获取待测遥感影像；检测模块，用于将所述待测遥感影像输入到预先训练好的双阶段目标检测模型中，得到待测遥感图像的类别和目标框；其中，所述双阶段目标检测模型由源数据集训练得到所述双阶段目标检测模型的参数，在参数固定后由目标数据集微调双阶段目标检测模型中的迁移参数构建而成。优选的，所述检测模块包括：训练模块：用于训练所述双阶段目标检测模型；输入模块：用于将待测遥感影像输入到训练好的双阶段目标检测模型中，得到待测遥感图像的类别和目标框。优选的，所述训练模块包括：影像区域块处理子模块，用于获取历史遥感影像并对所述遥感影像进行影像区域块的划分和筛选；划分子模块，用于将筛选出的影像区域块中的遥感影像进行源数据集和目标数据集的划分；第一阶段训练子模块，基于所述源数据集对所述双阶段目标检测模型进行第一阶段训练，确定所述双阶段目标检测模型的参数；第二阶段训练子模块，用于将确定了参数的双阶段目标检测模型设定一组迁移参数，迁移到所述目标数据集上进行第二阶段训练，并基于第二阶段训练微调双阶段目标检测模型中的迁移参数。与现有技术相比，本专利技术的有益效果如下：(1)本专利技术提供了一种基于迁移学习的小样本遥感目标检测方法，包括获取待测遥感影像；将所述待测遥感影像输入到预先训练好的双阶段目标检测模型中，得到待测遥感图像的类别和目标框回归；其中，所述双阶段目标检测模型由源数据集训练得到所述双阶段目标检测模型的参数，在参数固定后由目标数据集微调双阶段目标检测模型中的迁移参数构建而成。本专利技术从目标框回归与目标分类是两个相对独立的区域，实质上分解了小样本学习的难度。(2)本专利技术从源类与目标类能够共享一些特征，每个卷积核都能够共享相同的权重矩阵和偏置项，利用卷积核只对每个局部区域进行感知来减少参数数目，并综合局部信息进行判别，最后将源域上生成的分类器模型所学到的知识迁移到目标域上，帮助目标域更好地生成相关的目标候选区域，对小样本检测性能的提升起到了十分重要的作用。附图说明图1为本专利技术的小样本遥感目标检测方法流程图；图2为本专利技术的小样本遥感目标检测方法具体应用流程图；图3为本专利技术的检测方法的数据集划分流程示意图；图4为本专利技术的检测方法的迁移参数示意图。具本文档来自技高网...

【技术保护点】
1.一种基于迁移学习的小样本遥感目标检测方法，其特征在于，包括：/n获取待测遥感影像；/n将所述待测遥感影像输入到预先训练好的双阶段目标检测模型中，得到待测遥感图像的类别和目标框；/n其中，所述双阶段目标检测模型由源数据集训练得到所述双阶段目标检测模型的参数，在参数固定后由目标数据集微调双阶段目标检测模型中的迁移参数构建而成。/n

【技术特征摘要】
1.一种基于迁移学习的小样本遥感目标检测方法，其特征在于，包括：
获取待测遥感影像；
将所述待测遥感影像输入到预先训练好的双阶段目标检测模型中，得到待测遥感图像的类别和目标框；
其中，所述双阶段目标检测模型由源数据集训练得到所述双阶段目标检测模型的参数，在参数固定后由目标数据集微调双阶段目标检测模型中的迁移参数构建而成。


2.如权利要求1所述的小样本遥感目标检测方法，其特征在于，所述双阶段目标检测模型的训练包括：
获取历史遥感影像并对所述遥感影像进行影像区域块的划分和筛选；
将筛选出的影像区域块中的遥感影像进行源数据集和目标数据集的划分；
基于所述源数据集对所述双阶段目标检测模型进行第一阶段训练，确定所述双阶段目标检测模型的参数；
将确定了参数的双阶段目标检测模型设定一组迁移参数，迁移到所述目标数据集上进行第二阶段训练，并基于第二阶段训练微调双阶段目标检测模型中的迁移参数。


3.如权利要求2所述的小样本遥感目标检测方法，其特征在于，所述基于所述源数据集对所述双阶段目标检测模型进行训练，确定所述双阶段目标检测模型的参数，包括：
判断所述源数据集的样本数量是否达到源设定阈值，当达到所述源设定阈值时，将所述源数据集按照设定比例划分为训练集和测试集；
基于所述训练集对所述双阶段目标检测模型进行初级训练，并基于所述测试集对所述双阶段目标检测模型进行检测，确定所述双阶段目标检测模型的参数；
否则，基于所述源数据集对所述双阶段目标检测模型进行初级训练，确定所述双阶段目标检测模型的参数。


4.如权利要求2所述的小样本遥感目标检测方法，其特征在于，所述将确定了参数的双阶段目标检测模型设定一组迁移参数，迁移到所述目标数据集上进行第二阶段训练，并基于第二阶段训练微调双阶段目标检测模型中的迁移参数，包括：
判断所述目标数据集样本数量是否大于目标设定阈值，当大于所述目标设定阈值时，将所述目标数据集划分为目标训练集和目标测试集；
基于所述目标训练集对确定参数后的双阶段目标检测模型进行训练；并基于所述目标测试集对确定参数后的双阶段目标检测模型进行检测，微调所述双阶段目标检测模型；
否则，基于所述目标数据集对确定参数后的双阶段目标检测模型进行训练，微调所述双阶段目标检测模型。


5.如权利要求2所述的小样本遥感目标检测方法，其特征在于，将获取历史遥感影像并对所述遥感影像进行影像区域块的划分和筛选，包括：
利用分水岭变换将历史遥感影像做一个初始分割，并根据影像中地物的信息进行区域合并，得到最终的影像区域块；
在所述最终的影像区域...

【专利技术属性】
技术研发人员：孙显，许光銮，张跃，周瑞雪，张腾飞，魏浩然，吴成龙，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：北京;11