【技术实现步骤摘要】
一种基于边界框一致性的遥感目标检测方法
本专利技术涉及遥感图像目标检测领域,具体涉及一种基于边界框一致性的遥感目标检测方法。
技术介绍
目前遥感目标检测方法一般是由水平目标检测器扩展而来,而航空图像中目标检测的许多最新进展都得益于R-CNN框架,这些方法通过使用水平边界框作为感兴趣区域,然后依靠区域特征进行类别识别,例如,R2CNN使用区域建议网络(RPN)生成文本的水平边界框(HBB),并结合不同尺度的集合ROI特征来回归定向边界框(OBB)的参数。R2PN将边界框方向参数引入到RPN网络中,形成了旋转的RPN网络。RP-FasterR-CNN框架是在中针对小目标检测开发的。R2PN还利用旋转的ROI池来优化box参数。R-DFPN采用特征金字塔网络(FPN)结合多尺度特征,提高检测性能。基于DFPN网络主干,Yang等人进一步提出了一种适用于two-stage的边界框回归自适应ROI对齐方法。RoI变换器学习从HBBs到OBBs的空间变换,然后提取旋转不变特征。ICN在采用R-DFPN之前,提出了一种增强语义特征的图像级联网络。RRD使用主动旋转滤波器对旋转信息进行编码。YongchaoXu等人提出滑动水平边界框的顶点以捕捉定向边界框。所有的这些方法都是anchor-base模型的,而且用于探测任意方向的物体。同时,也有一些方法通常是针对特定的对象类别而定制的,如车辆、船舶、飞机等。对于边界框回归的损失,现如今使用的损失函数包括均方误差(MSE,L2loss,目标和预测变量之间的平方距离之和),平均绝对误 ...
【技术保护点】
1.一种基于边界框一致性的遥感目标检测方法,其特征在于,所述方法包括:/n步骤1:使用ResNet101 Conv1-5网络模型作为base网络,并对特征图进行上采样;/n通过双线性插值法将深层样本向上采样到与浅层样本相同大小,使用3×3的卷积层进行细化,使用1×1的卷积层精细图像特征;/n隐藏层采用批标准化处理,并使用ReLU函数激活;/n步骤2:基于ResNet101 Conv1-5网络模型的输出特征图先后使用3×3和1×1的卷积层获取热点图,并通过focalloss函数对其进行训练;/n步骤3:基于ResNet101 Conv1-5网络模型的输出特征图先后使用3×3和1×1的卷积层获取偏移量信息,并使用SmoothL1loss函数进行优化;/n步骤4:基于ResNet101 Conv1-5网络模型的输出特征图先后使用2层3×3的卷积层得到预测框信息,使用SmoothL1loss函数回归中心点的预测框信息参数;/n引入宽高比的一致性参数对预测框中的宽高比信息进行优化;/n同时通过引入角度的一致性参数对预测框中的角度信息进行优化;/n步骤5:基于ResNet101 Conv1-5网络 ...
【技术特征摘要】
1.一种基于边界框一致性的遥感目标检测方法,其特征在于,所述方法包括:
步骤1:使用ResNet101Conv1-5网络模型作为base网络,并对特征图进行上采样;
通过双线性插值法将深层样本向上采样到与浅层样本相同大小,使用3×3的卷积层进行细化,使用1×1的卷积层精细图像特征;
隐藏层采用批标准化处理,并使用ReLU函数激活;
步骤2:基于ResNet101Conv1-5网络模型的输出特征图先后使用3×3和1×1的卷积层获取热点图,并通过focalloss函数对其进行训练;
步骤3:基于ResNet101Conv1-5网络模型的输出特征图先后使用3×3和1×1的卷积层获取偏移量信息,并使用SmoothL1loss函数进行优化;
步骤4:基于ResNet101Conv1-5网络模型的输出特征图先后使用2层3×3的卷积层得到预测框信息,使用SmoothL1loss函数回归中心点的预测框信息参数;
引入宽高比的一致性参数对预测框中的宽高比信息进行优化;
同时通过引入角度的一致性参数对预测框中的角度信息进行优化;
步骤5:基于ResNet101Conv1-5网络模型的输出特征图先后使用3×3和1×1的卷积层得到方向信息,利用binarycross-entropyloss函数对方向信息进行优化;
步骤6:通过热点图、偏移量信息、预测框信息、方向信息生成预测边界框,根据所述预测边界框的坐标信息在原图中进行定位展示。
2.根据权利要求1所述的一种基于边界框一致性的遥感目标检测方法,其特征在于,步骤2具体包括:
步骤2.1:通过公式(1)得到热点图:
Heatmap=K×H/s×W/s(1);
其中,H和W分别是图像的高度和宽度,通道数K为类别数,每个通道对应一个类别,且每个通道的映射通过一个sigmoid函数进行传递;
步骤2.2:将特定的中心点预测热图值作为目标检测的置信度,使用focalloss函数进行训练,如公式(2)所示:
其中q和p分别表示图像的真实热图值和预测热图值,i为特征图上像素位置的索引,N是实例的数目,α和β是控制每个像素权重的超参数。
3.根据权利要求2所述的一种基于边界框一致性的遥感目标检测方法,其特征在于,步骤3具体包括:
步骤3.1:通过公式(3)得到偏移量信息:
Offset=2×H/s×W/s(3):
其中,通道数为点的两个坐标x,y的偏移量;
步骤3.2:利用偏移量信息从预测的热图信息P中提...
【专利技术属性】
技术研发人员:朱小柯,王毓斐,陈小潘,郑珊珊,李昌龙,张冀统,叶鹏飞,
申请(专利权)人:河南大学,
类型:发明
国别省市:河南;41
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。