一种基于遥感图像的目标检测系统技术方案

本发明专利技术公开了一种基于遥感图像的目标检测系统，包括：本地端用于依据预设时间间隔获取原始遥感图像，针对每一原始遥感图像，识别其中的预定区域是否为空白区域，若否将该原始遥感图像中预定区域的图像确定为目标图像并发送给云服务端；云服务端用于将目标图像输入预先训练得到的改进型YOLOv3网络中，利用密集连接形式的主干网络对目标图像进行特征提取，得到x个不同尺度的特征图；利用改进型FPN网络对x个不同尺度的特征图进行自顶向下、密集连接方式的特征融合，得到各尺度对应的预测结果；将所有预测结果经由分类网络和非极大值抑制模块进行处理，得到目标图像中的目标检测结果。本发明专利技术能够降低设备功耗，并提高目标检测精度。精度。精度。

【技术实现步骤摘要】
一种基于遥感图像的目标检测系统


[0001]本专利技术属于目标检测
，具体涉及一种基于遥感图像的目标检测系统。

技术介绍

[0002]遥感图像具有宏观、客观、综合、实时、动态、快速等特点，为地球资源调查与开发、国土整治、环境监测，以及全球性研究，提供了一种新的探测手段，已广泛应用于测绘、动态监测、地球资源调查、地质灾害调查与救治，以及军事侦查等领域。
[0003]目前，目标检测可以利用多种神经网络检测方法实现，比如当前热门的YOLO系列网络模型等等。但是YOLO系列网络模型对于本身体积较小的物体的检测和定位精度较差，而遥感图像通常存在相邻非常近的数目较多的小目标，因此，现有的YOLO系列网络模型针对遥感图像的小目标检测存在识别精度不高的问题。
[0004]并且，由于现有的目标检测网络通常较为复杂，若直接对待检测的遥感图像利用目标检测网络进行检测，这样的持续运行会导致对应的检测设备功耗较大。

技术实现思路

[0005]本专利技术实施例的目的在于提供一种基于遥感图像的目标检测系统，以实现降低设备功耗，提高目标检测精度的目的。具体技术方案如下：
[0006]所述基于遥感图像的目标检测系统，包括本地端和云服务端，其中：
[0007]所述本地端，用于依据预设时间间隔获取原始遥感图像，针对每一原始遥感图像，识别该原始遥感图像中的预定区域是否为空白区域，若否，则将该原始遥感图像中预定区域的图像确定为目标图像并发送给云服务端；
[0008]所述云服务端，用于将所述目标图像输入预先训练得到的改进型YOLOv3网络中，利用密集连接形式的主干网络对所述目标图像进行特征提取，得到x个不同尺度的特征图；利用改进型FPN网络对所述x个不同尺度的特征图进行自顶向下、密集连接方式的特征融合，得到各尺度对应的预测结果；将所有预测结果经由分类网络和非极大值抑制模块进行处理，得到所述目标图像中的目标检测结果；
[0009]其中，所述改进型YOLOv3网络包括顺次连接的所述密集连接形式的主干网络、所述改进型FPN网络、所述分类网络和所述非极大值抑制模块；所述改进型YOLOv3网络是在YOLOv3网络基础上，将主干网络中的残差模块更换为密集连接模块、增加特征提取尺度、优化FPN网络的特征融合方式后形成的；所述改进型YOLOv3网络是根据样本目标图像，以及所述样本目标图像的目标检测结果训练得到的，x为大于等于4的自然数。
[0010]本专利技术可选的一个实施例中，所述本地端包括MCU。
[0011]本专利技术可选的一个实施例中，所述MCU加载有Tensorflow lite深度学习框架。
[0012]本专利技术可选的一个实施例中，所述识别该原始遥感图像中的预定区域是否为空白区域，包括：
[0013]利用轻量级神经网络获得该原始遥感图像中的预定区域为空白区域的第一置信
度和为非空白区域的第二置信度；
[0014]计算所述第一置信度与所述第二置信度的差值；
[0015]判断所述差值是否大于或等于预先设定的置信度差值阈值，如果是，则判定该原始遥感图像中的预定区域为空白区域；
[0016]其中，所述轻量级神经网络包括MobileNet、ShuffleNet、SqueezeNet、mcu
‑
net。
[0017]本专利技术可选的一个实施例中，所述密集连接形式的主干网络，包括：
[0018]间隔串接的密集连接模块和过渡模块；所述密集连接模块的数量为y；所述密集连接模块包括串行连接的卷积网络模块和密集连接单元组；所述卷积网络模块包括串行连接的卷积层、BN层、Leaky relu层；所述密集连接单元组包括m个密集连接单元；每个密集连接单元包括多个采用密集连接形式连接的所述卷积网络模块，并采用级联方式融合多个卷积网络模块输出的特征图；其中，y为大于等于4的自然数，m为大于1的自然数。
[0019]本专利技术可选的一个实施例中，所述过渡模块为所述卷积网络模块。
[0020]本专利技术可选的一个实施例中，所述过渡模块包括所述卷积网络模块和最大池化层；所述卷积网络模块的输入和所述最大池化层的输入共用，所述卷积网络模块输出的特征图和所述最大池化层输出的特征图采用级联方式融合。
[0021]本专利技术可选的一个实施例中，所述过渡模块包括的所述卷积网络模块的数量为两个或三个，且各个卷积网络模块之间采用串接方式。
[0022]本专利技术可选的一个实施例中，所述改进型FPN网络包括尺度依次增大的x个预测支路Y1～Y
x
；其中，所述预测支路Y1～Y
x
的尺度与所述x个特征图的尺度一一对应；
[0023]所述对所述x个不同尺度的特征图进行自顶向下、密集连接方式的特征融合，得到各尺度对应的预测结果，包括：
[0024]针对预测支路Y
i
，从所述x个特征图中，获取对应尺度的特征图并进行卷积处理，将卷积处理后的特征图，与预测支路Y
i
‑1～Y1分别经上采样处理后的特征图进行级联融合；其中，预测支路Y
i
‑
j
的上采样倍数为2
j
；i＝2、3，
…
，x；j为小于i的自然数。
[0025]本专利技术可选的一个实施例中，所述目标检测结果，包括：
[0026]目标的位置和类别。
[0027]本专利技术实施例所提供的基于遥感图像的目标检测系统，利用本地端对原始遥感图像进行粗识别，当原始遥感图像中的预定区域为非空白区域时，才将对应的目标图像发送给云服务端，以唤醒云服务端进行较为细致的目标检测。因此执行具体检测任务的云服务端不必实时处理，可以降低设备功耗。同时，所述云服务端采用改进型YOLOv3网络，通过将原有YOLOv3网络主干网络中的残差模块更换为密集连接模块、增加特征提取尺度、优化FPN网络的特征融合方式，能够提高目标检测精度，尤其针对较小尺寸的目标，可以实现较好的检测效果。
附图说明
[0028]图1为本专利技术实施例所提供的一种基于遥感图像的目标检测系统的结构示意图；
[0029]图2为现有技术中的YOLOv3网络的结构示意图；
[0030]图3为本专利技术实施例提供的一种改进型YOLOv3网络的结构示意图；
[0031]图4为本专利技术实施例提供的一种过渡模块的结构示意图。
具体实施方式
[0032]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0033]为了实现降低设备功耗，提高目标检测精度的目的，本专利技术实施例提供了一种基于遥感图像的目标检测系统。
[0034]如图1所示，本专利技术实施例所提供的一种基于遥感图像的目标检测系统100，可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遥感图像的目标检测系统，其特征在于，包括本地端和云服务端，其中：所述本地端，用于依据预设时间间隔获取原始遥感图像，针对每一原始遥感图像，识别该原始遥感图像中的预定区域是否为空白区域，若否，则将该原始遥感图像中预定区域的图像确定为目标图像并发送给云服务端；所述云服务端，用于将所述目标图像输入预先训练得到的改进型YOLOv3网络中，利用密集连接形式的主干网络对所述目标图像进行特征提取，得到x个不同尺度的特征图；利用改进型FPN网络对所述x个不同尺度的特征图进行自顶向下、密集连接方式的特征融合，得到各尺度对应的预测结果；将所有预测结果经由分类网络和非极大值抑制模块进行处理，得到所述目标图像中的目标检测结果；其中，所述改进型YOLOv3网络包括顺次连接的所述密集连接形式的主干网络、所述改进型FPN网络、所述分类网络和所述非极大值抑制模块；所述改进型YOLOv3网络是在YOLOv3网络基础上，将主干网络中的残差模块更换为密集连接模块、增加特征提取尺度、优化FPN网络的特征融合方式后形成的；所述改进型YOLOv3网络是根据样本目标图像，以及所述样本目标图像的目标检测结果训练得到的，x为大于等于4的自然数。2.根据权利要求1所述的系统，其特征在于，所述本地端包括MCU。3.根据权利要求2所述的系统，其特征在于，所述MCU加载有Tensorflow lite深度学习框架。4.根据权利要求1或3所述的系统，其特征在于，所述识别该原始遥感图像中的预定区域是否为空白区域，包括：利用轻量级神经网络获得该原始遥感图像中的预定区域为空白区域的第一置信度和为非空白区域的第二置信度；计算所述第一置信度与所述第二置信度的差值；判断所述差值是否大于或等于预先设定的置信度差值阈值，如果是，则判定该原始遥感图像中的预定区域为空白区域；其中，所述轻量级神经网络包括MobileNet、ShuffleNet、SqueezeNet、mcu
‑
net。5.根据权利要求1所述的系统，其特征...

【专利技术属性】
技术研发人员：张树东，郝成亮，吕洋，王志钢，丛犁，张艳，姜华，窦增，
申请(专利权)人：国网吉林省电力有限公司信息通信公司，
类型：发明
国别省市：