基于YOLOV5的任意朝向目标十二参数检测方法技术

本发明专利技术公开了一种基于YOLOV5的任意朝向目标十二参数检测方法，利用YOLOV5特有的特征提取网络提取遥感图像特征。在输出特征图上做第一阶段检测，得到目标类别和精度较高的水平边界框；利用特征图和水平边界框，回归出旋转边界框相对于水平边界框的偏移值。利用此偏移值与一阶段检测出的水平边界框进行解码，最终实现带角度目标的检测。此方法采用4+8参数回归法，回归精度更高。此外，根据不同的卷积层数设计由大到小由重到轻4种模型，分别代表不同的计算量、精度和检测速度，可针对不同任务选择不同的网络结构。网络结构最深的模型经过训练后，精度可以达到SOTA，而层数最少模型可以在较高精度上实现实时检测的效果。

【技术实现步骤摘要】
基于YOLOV5的任意朝向目标十二参数检测方法
本专利技术涉及目标检测、图像处理技术、算法与神经网络应用
，尤其涉及一种基于YOLOV5的任意朝向目标十二参数检测方法。
技术介绍
随着硬件设备的提升和遥感技术的不断成熟，基于卫星、雷达、无人机拍摄的遥感图像质量与分辨率已经达到自然图像的水平。然而，遥感图像中的目标有着鲜明的特点：目标均以俯视图的视角展现；目标尺度变化大；车辆、飞机、轮船等特殊物体存在排列方向等信息。采用通用的水平框检测方法检测旋转目标，具有三大缺点：图2a为大小和宽高比无法反映目标对象的真实形状图；图2b为对象和背景像素没有有效分离图；图2c密集物体之间很难分开图。图2d、2e、2f为采用任意方向矩形框对目标进行检测定位，能更好反映物体位置信息，在地理、农业以及军事上具有重要意义。旋转框检测方法起源于基于深度学习的任意方向的场景文本检测，代表性的算法有：1、以SWT、SelectiveSearch、EdgeBox为代表的传统算法在深度学习方法诞生之前，旋转目标检测、场景倾斜文本检测主要采用SWT、MSER、本文档来自技高网...

【技术保护点】
1.一种基于YOLOV5的任意朝向目标十二参数检测方法，其特征在于：具体步骤如下：/n(1)将得到的遥感图像输入到Yolov5特征提取网络进行特征提取，得到三个不同尺度的特征图；/n(2)将步骤(1)中得到的特征图进行分类和水平框回归；/n(3)将步骤(2)中得到的水平框作为感兴趣区域，从步骤(1)中得到的特征图上生成旋转框的八参数偏移；/n(4)将步骤(3)产生的旋转框八参数偏移值与步骤(2)产生的水平框进行解码输出。/n

【技术特征摘要】
1.一种基于YOLOV5的任意朝向目标十二参数检测方法，其特征在于：具体步骤如下：
(1)将得到的遥感图像输入到Yolov5特征提取网络进行特征提取，得到三个不同尺度的特征图；
(2)将步骤(1)中得到的特征图进行分类和水平框回归；
(3)将步骤(2)中得到的水平框作为感兴趣区域，从步骤(1)中得到的特征图上生成旋转框的八参数偏移；
(4)将步骤(3)产生的旋转框八参数偏移值与步骤(2)产生的水平框进行解码输出。


2.根据权利要求1所述的一种基于YOLOV5的任意朝向目标十二参数检测方法，其特征在于：步骤(1)中在进行Yolov5特征提取网络进行特征提取之前，将遥感图像进行随机翻转、拉伸和色域变换数据增强操作，并做随机转为灰度图处理，而后统一缩放到一个标准尺寸进行Focus切片操作，切片后输入到Yolov5特征提取网络进行特征提取。


3.根据权利要求1所述的一种基于YOLOV5的任意朝向目标十二参数检测方法，其特征在于：所述步骤(2)的具体内容如下：将步骤(1)产生的三个不同尺度的特征图分别进行不同通道数的卷积操作用以分类和水平框回归，产生最终旋转检测框的外接矩形，在训练过程中，计算一次损失：分类损失采用FocalLoss，回归损失采取四参数SmmothL1。


4.根据权利要求3所述的一种基于YOLOV5的任意朝向目标十二参数检测方法，其特征在于：所述的步骤(3)的具体内容如下：将步骤(2)得到的水平框作为水平感兴趣区域，与步骤(1)中得到的特征图结合进行八参数偏移值预测。


5.根据权利要求4所述的一种基于YOLOV5的任意朝向目标十二参数检测方法，其特征在于：所述步骤(4)的具体内容如下：将步骤(3)产生的八参数偏移值与步骤(2)产生的水平框进行解码操作，生成最终的旋转检测框，进行非极大值抑制操作并做输出；训练阶段再进行一次损失计算：分类损失采用FocalLoss，回归损失采取八参数SmmothL1。
...

【专利技术属性】
技术研发人员：王金根，席智中，孙玉绘，范希辉，张明义，张罗政，许蒙恩，陈代梅，朱静，
申请(专利权)人：中国人民解放军陆军炮兵防空兵学院，
类型：发明
国别省市：安徽;34