一种基于场景增强的anchor-free遥感图像目标检测方法及系统技术方案

本发明专利技术公开了一种基于场景增强的anchor‑free遥感图像目标检测方法及系统，所述方法包括以下步骤：步骤1，通过平衡系数混合增强方式对获取的遥感图像数据集进行线性增强，获得增强后的训练集；步骤2，构建获得基于场景增强的anchor‑free的目标检测模型，通过步骤1得到的训练集对目标检测模型进行训练，直至达到预设的停止条件，获得训练好的目标检测模型；所述训练好的目标检测模型用于遥感图像目标检测。本发明专利技术提供了一种更便捷和鲁棒的平衡系数混合增强数据增广方式，利用场景信息增强网络的特征提取能力和类别预测能力，提升了检测精度。

【技术实现步骤摘要】
一种基于场景增强的anchor-free遥感图像目标检测方法及系统
本专利技术属于遥感图像处理及目标检测
，特别涉及一种基于场景增强的anchor-free遥感图像目标检测方法及系统。
技术介绍
遥感图像的目标检测是在高分辨率的航空图像中检测存在的目标类别以及给出各个目标的位置信息。近年来，遥感图像领域的目标检测任务获得了越来越多的应用场景；例如，在城市规划、无人机探测、智能监控等。尽管传统检测方法如DPM等在该领域仍然在使用，但基于CNN的深度学习方法已经逐渐获得了主导地位；何凯明等人提出的FasterR-CNN，FPN，MaskR-CNN，约瑟夫提出的YOLOv1，YOLOv2，YOLOv3等算法已经在自然环境图像目标检测领域中获得了巨大的成功，但上述这些算法都是针对自然场景拍摄的图像而设计的CNN网络，将其应用到遥感图像领域时，由于遥感图像背景噪声复杂，遥感图像中物体本身具有类内-多样性、类间-相似性等特性，导致现存的这些方法难以很好地适应遥感图像中的各类目标的检测任务。尤其，它们都是基于先验边界框(anchor-box)的本文档来自技高网...

【技术保护点】
1.一种基于场景增强的anchor-free遥感图像目标检测方法，其特征在于，包括以下步骤：/n步骤1，通过平衡系数混合增强方式对获取的遥感图像数据集进行线性增强，获得增强后的训练集；/n步骤2，构建获得基于场景增强的anchor-free的目标检测模型，通过步骤1得到的训练集对目标检测模型进行训练，直至达到预设的停止条件，获得训练好的目标检测模型；所述训练好的目标检测模型用于遥感图像目标检测；/n其中，基于场景增强的anchor-free的目标检测模型包括：/n特征提取子网络，包括：残差结构，所述残差结构为标准残差网络ResNet-50或ResNet-101，用于对遥感图像目标的基本特征进行...

【技术特征摘要】
1.一种基于场景增强的anchor-free遥感图像目标检测方法，其特征在于，包括以下步骤：
步骤1，通过平衡系数混合增强方式对获取的遥感图像数据集进行线性增强，获得增强后的训练集；
步骤2，构建获得基于场景增强的anchor-free的目标检测模型，通过步骤1得到的训练集对目标检测模型进行训练，直至达到预设的停止条件，获得训练好的目标检测模型；所述训练好的目标检测模型用于遥感图像目标检测；
其中，基于场景增强的anchor-free的目标检测模型包括：
特征提取子网络，包括：残差结构，所述残差结构为标准残差网络ResNet-50或ResNet-101，用于对遥感图像目标的基本特征进行提取，获得其在3个阶段产生的3个特征层F3，F4，F5；
场景增强特征金字塔子网络，包括：
场景上下文提取模块，用于基于特征提取子网络获得的3个特征层F3，F4，F5，获得融合后的特征层；用于获得场景中可能出现的物体的类别信息；
标准特征金字塔结构，用于通过上采样、下采样的融合方式对场景上下文提取模块获得的融合后的特征层进行转换和二次融合，获得包含上下文信息的融合特征层；
联合预测网络，包括：一预测类别的支路和一预测坐标值的支路；用于输入上下文信息的融合特征层，识别出目标。


2.根据权利要求1所述的一种基于场景增强的anchor-free遥感图像目标检测方法，其特征在于，步骤1中，所述通过平衡系数混合增强方式对获取的遥感图像数据集进行线性增强具体包括：
从遥感图像数据集中随机抽取批量大小的图像样本xi进行随机排列，得到随机排列后的图像样本序列xj，其对应标签分别为yi和yj；
将排列后的图像与原来的图像进行平衡系数混合，表达式为，
x*＝wxi+(1-w)xj，
y*＝yi+yj，
式中，x*、y*分别表示经过平衡系数混合后的样本图像和对应的标签，w代表混合时的权重，w＝0.5。


3.根据权利要求1所述的一种基于场景增强的anchor-free遥感图像目标检测方法，其特征在于，步骤2的目标检测模型中，所述场景上下文提取模块包括：两个提炼模块，一个自适应全局平均池化层以及一个全连接网络；
其中，提炼模块由一个3*3的空洞卷积层、组归一化层、标准3*3卷积层以及两个非线性激活层组成；
自适应全局平均池化层用于匹配不同的图像输入将其池化到固定的3*3大小以适应全连接层的分类工作；
全连接网络的输出施加有场景中出现的目标多标签类别分类的交叉熵损失。


4.根据权利要求3所述的一种基于场景增强的anchor-free遥感图像目标检测方法，其特征在于，步骤2中，所述场景上下文提取模块中的全连接网络层的输入以及输出的通道数分别为4608、20；其中，类别数对应于不同的数据集包含的类别总个数。


5.根据权利要求3所述的一种基于场景增强的anchor-free遥感图像目标检测方法，其特征在于，步骤2中，所述场景上下文提取模块中的提炼模块中，还设置有一条由空洞卷积层和组归一化层构成的残差支路，用于短接原输入和输出。


6.根据权利要求3所述的一种基于场景增强的anchor-free遥感图像目标检测方法，其特征在于，步骤2中，所述基于特征提取子网络获得的3个特征层F3，F4，F5，获得融合后的特征层的表达式为，



式中，S3是场景上下文提取模块中两个提炼模块的输出的信息敏感层，对S3分别进行最大池化操作下采样2、4...

【专利技术属性】
技术研发人员：刘军民，李世杰，周长胜，高勇，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61