一种面向多尺度、多朝向的航拍物体检测方法及系统技术方案

本发明专利技术提供了一种面向多尺度、多朝向的航拍物体检测方法及系统，首先模拟人眼的注意力机制，采用级联的注意力网络减少复杂背景对感兴趣目标的影响，使用自适应特征拼接网络在检测网络提取感兴趣区域时自适应地融合来自特征金字塔不同层的输出特征，使得不同尺度的物体可以充分利用不同尺度的信息，使用有向框的多定义与选择策略改进一般有向目标检测框的回归过程；本发明专利技术能够提高航拍物体检测的准确性和精度。性和精度。性和精度。

【技术实现步骤摘要】
一种面向多尺度、多朝向的航拍物体检测方法及系统


[0001]本专利技术属于航拍物体检测
，具体涉及一种面向多尺度、多朝向的航拍物体检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着飞行器技术与航拍技术的快速发展，高分辨率航拍图像的获取变得越来越容易。作为航拍图像分析过程中极为重要的一环，对车辆、建筑物等多种物体的识别检测在诸如城市规划、智能监控等领域发挥着重要的作用。与传统的目标检测不同，航拍图像中的目标检测具有一些特殊的问题，主要表现在以下几个方面：
[0004]1、由于飞行器都是在鸟瞰视角下俯视拍摄物体，所以物体的朝向可以是任意的。
[0005]2、由于飞行器的拍摄角非常广，所以捕获到的图像信息不仅包含感兴趣的物体，还包含许多可能会对检测造成干扰的背景信息。
[0006]3、由于飞行器在拍摄时所处的高度有时高有时低，造成航拍图像中的物体尺度分布不一。此外，即便是相同的物体，其本身也存在一定的尺度变化。
[0007本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向多尺度、多朝向的航拍物体检测方法，其特征是：包括以下步骤：构建检测网络，所述检测网络包括级联注意力网络、特征融合网络和目标检测框，其中，特征融合网络使用自适应特征拼接网络在检测网络提取感兴趣区域时自适应地融合来自特征金字塔不同层的输出特征；获取航拍图像，初始配置检测网络的参数，通过特征提取层以及特征金字塔；利用级联注意力网络抑制输出特征中的背景噪声，并输出物体候选区域；根据候选区域，在不同的特征金字塔输出层上提取特征，根据不同的权重将这些特征进行拼接；使用有向目标检测框多定义与选择策略优化目标检测框的回归过程，并输出所属的类别；根据网络的前向输出结果与真实值之间的差值，进行迭代训练，更新网络参数，使用更新后的检测网络对输入的航拍图像进行处理，得到物体检测结果。2.如权利要求1所述的一种面向多尺度、多朝向的航拍物体检测方法，其特征是：所述级联注意力网络包括分块自注意力模型，分块自注意力模型用于将原始输入特征图分成四块，每一块特征图中的每一个像素都会学习和其他像素之间的关系，从而捕获图像的局部几何特征，四块特征图通过一个跳连接结构与精炼前的特征图相加并，然后拼接到一起。3.如权利要求1所述的一种面向多尺度、多朝向的航拍物体检测方法，其特征是：所述级联注意力网络还包括有监督的空间注意力模型，用于以物体的掩膜作为监督信息学习一个权重图，权重图中包含物体的部位权值接近于1，不包含物体的背景部分权值接近于0，将权重图和精炼后的特征图相乘以突出前景，抑制背景。4.如权利要求3所述的一种面向多尺度、多朝向的航拍物体检测方法，其特征是：所述权重图与掩膜之间的损失作为损失函数的一部分，参与反向传播，且最终获得的特征图通过跳连接与原始输入的不同层级的特征图相加，完成特征的背景噪声抑制过程。5.如权利要求1所述的一种面向多尺度、多朝向的航拍物体检测方法，其特征是：在不同的特征金字塔输出层上提取特征的具体过程包括：从特征金字塔层输出的四个层级的特征图以及一个全局特征图上提取特征，之后经过RoI
‑
Align操作，获得五个大小一致的特征，再将它们拼接到一起，进行卷积，得到最终特征图，该特征图包含五个特征的相应权重信息，权重信息分别与输入特征相乘，得到包含各个尺度特征的...

【专利技术属性】
技术研发人员：刘春生，陈路昌，常发亮，李爽，
申请(专利权)人：山东大学，
类型：发明
国别省市：