【技术实现步骤摘要】
多方向遥感目标检测方法、装置及计算机设备
[0001]本申请涉及遥感图像
，特别是涉及一种多方向遥感目标检测方法、 装置及计算机设备。
技术介绍
[0002]随着卫星航天技术与遥感技术的不断发展，高分辨率遥感影像被广泛应用 于对地观测、战场侦查以及情报获取等多种任务。从遥感影像中快速、精确地 检测目标是其中一项具有重要意义的研究内容。目前，在光学遥感影像中，目 标检测主要有以下三个难点：
[0003]1)排列密集。港口目标通常呈现密集排布，较大的长宽比导致目标边界框 之间的交并比(Intersection over Union,IoU)对角度的变化更加敏感。
[0004]2)方向多变。遥感影像中的目标因为拍摄角度的缘故，可能以任意方向出 现。这要求检测器具有精确的角度预测能力。
[0005]3)背景复杂。近岸的检测容易受到岸边复杂背景的干扰，岸上的集装箱区 域容易与近岸的货船混淆。
[0006]由Zhou等人于2019年无锚框的目标检测算法。CenterNet算法将预测目标 边界框问题转...
【技术保护点】
【技术特征摘要】
1.一种多方向遥感目标检测方法，其特征在于，所述方法包括：获取目标的遥感图像，并对所述遥感图像进行预处理得到训练样本；构建遥感多方向目标检测网络；所述遥感多方向目标检测网络是在Centernet网络的基础上改进得到的，改进点包括：在骨干网络最后一层后边添加卷积注意力模块提取更有意义的通道与空间位置特征；添加与检测头并行的语义分割分支，并将所述语义分割分支的特征与输入检测头的特征进行融合，并将融合特征输入到所述检测头中；在原检测头中添加用于准确预测目标的旋转角度的角度预测分支形成新检测头；根据所述训练样本对所述遥感多方向目标检测网络进行训练，得到训练好的遥感多方向目标检测模型；获取待测目标遥感图像，并对所述待测目标遥感图像进行预处理，将预处理结果输入到所述遥感多方向目标检测模型中，得到遥感目标检测结果。2.根据权利要求1所述的方法，其特征在于，所述遥感多方向目标检测网络包括骨干网络、卷积注意力模块、语义分割分支以及新检测头；根据所述训练样本对所述遥感多方向目标检测网络进行训练，得到训练好的遥感多方向目标检测模型，包括：将所述训练样本输入到所述骨干网络中，将骨干网络最后一层输出的特征图输入到所述卷积注意力模块中，得到通道与空间位置特征；将得到的骨干网络各个阶段不同尺度的特征图与所述通道与空间位置特征输入到所述语义分割分支中，得到语义分割特征；将所述通道与空间位置特征和所述语义分割特征输入到所述新检测头中，得到预测检测结果；根据所述预测检测结果和所述训练样本进行反向训练，得到遥感多方向目标检测模型。3.根据权利要求2所述的方法，其特征在于，所述卷积注意力模块包括通道注意力模块和空间注意力模块；将所述训练样本输入到所述骨干网络中，将骨干网络最后一层输出的特征图输入到所述卷积注意力模块中，得到通道与空间位置特征，包括：将所述训练样本输入到所述骨干网络中，将骨干网络最后一层输出的特征图输入到所述通道注意力模块，得到通道注意力特征；将所述通道注意力特征与所述骨干网络最后一层输出的特征图进行融合后，得到融合通道注意力特征；将所述融合通道注意力特征输入到所述空间注意力模块中，得到空间注意力特征；将所述空间注意力特征与所述融合通道注意力特征进行融合，得到通道与空间位置特征。4.根据权利要求3所述的方法，其特征在于，所述通道注意力模块包括共享全连接网络、最大值池化层以及平均值池化层；将所述训练样本输入到所述骨干网络中，将骨干网络最后一层输出的特征图输入到所述通道注意力模块，得到通道注意力特征，包括：将所述训练样本输入到所述骨干网络中，将骨干网络最后一层输出的特征图分别输入到所述通道注意力模块的最大值池化层和所述通道注意力模块的平均值池化层，得到最大
值池化特征和平均值池化特征；将所述最大值池化特征和所述平均值池化特征分别输入到所述共享全连接网络...
【专利技术属性】
技术研发人员：邹焕新，李润林，曹旭，贺诗甜，李美霖，成飞，魏娟，孙丽，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
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。