一种针对遥感图像的目标检测方法及装置制造方法及图纸

本发明专利技术提供一种针对遥感图像的目标检测方法及装置，包括：确定目标遥感影像；将目标遥感影像输入至目标检测模型，获取目标检测模型输出的目标检测结果；目标检测结果包括目标遥感影像中的目标种类和目标位置；目标检测模型是基于样本遥感影像，以及样本遥感影像中的目标种类样本和目标位置样本训练得到的，用于检测目标遥感影像中的目标种类和目标位置；目标检测模型是基于密集型特征金字塔网络构建的；密集型特征金字塔网络包括上采样特征金字塔网络和下采样特征金字塔网络。本发明专利技术提供的针对遥感图像的目标检测方法及装置，通过基于密集型特征金字塔网络构建目标检测模型，能够融合不同尺度目标的特征，进而提高不同尺度目标的检测准确率。的检测准确率。的检测准确率。

【技术实现步骤摘要】
一种针对遥感图像的目标检测方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种针对遥感图像的目标检测方法及装置。

技术介绍

[0002]随着卫星成像和深度学习的发展，遥感目标检测成为了计算机视觉研究中的热点问题，可广泛应用于导航、灾害预警、建筑物检测等领域。
[0003]在深度学习处理遥感目标检测的问题中，由于卷积神经网络具有很强的空间上下文信息挖掘能力，因此被广泛应用于遥感影像的目标检测。
[0004]现有的卷积神经网络并不能很好地对于遥感影像中尺度差异大的目标进行精准检测。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术实施例提供一种针对遥感图像的目标检测方法及装置。
[0006]本专利技术提供一种针对遥感图像的目标检测方法，包括：确定目标遥感影像；
[0007]将所述目标遥感影像输入至目标检测模型，获取所述目标检测模型输出的目标检测结果；所述目标检测结果包括所述目标遥感影像中的目标种类和目标位置；
[0008]所述目标检测模型是基于样本遥感影像，以及所述样本遥感影像中的目标种类样本和目标位置样本训练得到的，所述目标检测模型用于检测所述目标遥感影像中的目标种类和目标位置；
[0009]所述目标检测模型是基于密集型特征金字塔网络构建的；所述密集型特征金字塔网络包括上采样特征金字塔网络和下采样特征金字塔网络。
[0010]根据本专利技术提供的针对遥感图像的目标检测方法，所述目标检测模型包括特征提取网络、所述密集型特征金字塔网络和检测网络；
[0011]所述将所述目标遥感影像输入至目标检测模型，获取所述目标检测模型输出的目标检测结果，包括：
[0012]将所述目标遥感影像输入至所述特征提取网络，获取所述特征提取网络输出的所述目标遥感影像的多个尺度的特征图像；
[0013]将每个特征图像分别输入至所述上采样特征金字塔网络中对应尺度的上采样尺度层，获取每个上采样尺度层输出的上采样输出特征；
[0014]将每个上采样输出特征分别输入至所述下采样特征金字塔网络中对应尺度的下采样尺度层，获取每个下采样尺度层输出的融合特征图；
[0015]将每个融合特征图输入至所述检测网络，以获取所述目标检测结果。
[0016]根据本专利技术提供的针对遥感图像的目标检测方法，所述将每个特征图像分别输入至所述上采样特征金字塔网络中对应尺度的上采样尺度层，获取每个上采样尺度层输出的
上采样输出特征，包括：
[0017]将任一尺度的特征图像输入至所述上采样特征金字塔网络的对应尺度层中，由所述上采样特征金字塔网络的对应尺度层对所述任一尺度的特征图像与所述任一尺度的上一尺度的特征图像的上采样特征，以及所述上一尺度的尺度层输出的上采样输出特征进行融合，得到所述任一尺度的尺度层输出的上采样输出特征。
[0018]根据本专利技术提供的针对遥感图像的目标检测方法，所述将每个上采样输出特征分别输入至所述下采样特征金字塔网络中对应尺度的下采样尺度层，获取每个下采样尺度层输出的融合特征图，包括：
[0019]将任一尺度的上采样输出特征输入至所述下采样特征金字塔网络的对应尺度层中，由所述下采样特征金字塔网络的对应尺度层对所述任一尺度的特征图像与所述任一尺度的下一尺度的上采样输出特征的下采样特征，以及所述下一尺度的尺度层输出的融合特征图进行融合，得到所述任一尺度的尺度层输出的融合特征图。
[0020]根据本专利技术提供的针对遥感图像的目标检测方法，所述特征提取网络包括多个依次连接的残差模块；所述将所述目标遥感影像输入至所述特征提取网络，获取所述特征提取网络输出的所述目标遥感影像的多个尺度的特征图像，包括：
[0021]将所述目标遥感影像输入至所述特征提取网络，获取由所述特征提取网络中多个残差模块输出的所述多个尺度的特征图像；
[0022]所述特征提取网络中的每个残差模块中均包括注意力模块。
[0023]根据本专利技术提供的针对遥感图像的目标检测方法，所述确定目标遥感影像，包括：
[0024]获取初始遥感影像；
[0025]对所述初始遥感影像进行尺寸归一化处理，确定所述目标遥感影像。
[0026]本专利技术还提供一种针对遥感图像的目标检测装置，包括：
[0027]确定单元，用于确定目标遥感影像；
[0028]获取单元，用于将所述目标遥感影像输入至目标检测模型，获取所述目标检测模型输出的目标检测结果；所述目标检测结果包括所述目标遥感影像中的目标种类和目标位置；
[0029]所述目标检测模型是基于样本遥感影像，以及所述样本遥感影像中的目标种类样本和目标位置样本训练得到的，所述目标检测模型用于检测所述目标遥感影像中的目标种类和目标位置；
[0030]所述目标检测模型是基于密集型特征金字塔网络构建的；所述密集型特征金字塔网络包括上采样特征金字塔网络和下采样特征金字塔网络。
[0031]根据本专利技术提供针对遥感图像的目标检测装置，还包括：
[0032]归一化模块，用于对初始遥感影像进行尺寸归一化处理，确定所述目标遥感影像。
[0033]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述针对遥感图像的目标检测方法的步骤。
[0034]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述针对遥感图像的目标检测方法的步骤。
[0035]本专利技术提供的针对遥感图像的目标检测方法及装置，通过基于密集型特征金字塔
网络构建目标检测模型，能够融合不同尺度目标的特征，进而提高不同尺度目标的检测准确率。
附图说明
[0036]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1是本专利技术提供的针对遥感图像的目标检测方法的流程示意图；
[0038]图2是本专利技术提供的目标检测模型的结构示意图之一；
[0039]图3是本专利技术提供的目标检测模型的结构示意图之二；
[0040]图4是本专利技术提供的密集型金字塔网络的结构示意图；
[0041]图5是本专利技术提供的特征金字塔网络的结构示意图；
[0042]图6是本专利技术提供的基于SGE注意力的残差单元的结构示意图；
[0043]图7是本专利技术提供的SGE注意力模块的结构示意图；
[0044]图8是本专利技术提供的针对遥感图像的目标检测装置的结构示意图；
[0045]图9是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0046]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对遥感图像的目标检测方法，其特征在于，包括：确定目标遥感影像；将所述目标遥感影像输入至目标检测模型，获取所述目标检测模型输出的目标检测结果；所述目标检测结果包括所述目标遥感影像中的目标种类和目标位置；所述目标检测模型是基于样本遥感影像，以及所述样本遥感影像中的目标种类样本和目标位置样本训练得到的，所述目标检测模型用于检测所述目标遥感影像中的目标种类和目标位置；所述目标检测模型是基于密集型特征金字塔网络构建的；所述密集型特征金字塔网络包括上采样特征金字塔网络和下采样特征金字塔网络。2.根据权利要求1所述的针对遥感图像的目标检测方法，其特征在于，所述目标检测模型包括特征提取网络、所述密集型特征金字塔网络和检测网络；所述将所述目标遥感影像输入至目标检测模型，获取所述目标检测模型输出的目标检测结果，包括：将所述目标遥感影像输入至所述特征提取网络，获取所述特征提取网络输出的所述目标遥感影像的多个尺度的特征图像；将每个特征图像分别输入至所述上采样特征金字塔网络中对应尺度的上采样尺度层，获取每个上采样尺度层输出的上采样输出特征；将每个上采样输出特征分别输入至所述下采样特征金字塔网络中对应尺度的下采样尺度层，获取每个下采样尺度层输出的融合特征图；将每个融合特征图输入至所述检测网络，获取所述检测网络输出的所述目标检测结果。3.根据权利要求2所述的针对遥感图像的目标检测方法，其特征在于，所述将每个特征图像分别输入至所述上采样特征金字塔网络中对应尺度的上采样尺度层，获取每个上采样尺度层输出的上采样输出特征，包括：将任一尺度的特征图像输入至所述上采样特征金字塔网络的对应尺度层中，由所述上采样特征金字塔网络的对应尺度层对所述任一尺度的特征图像与所述任一尺度的上一尺度的特征图像的上采样特征，以及所述上一尺度的尺度层输出的上采样输出特征进行融合，得到所述任一尺度的尺度层输出的上采样输出特征。4.根据权利要求2所述的针对遥感图像的目标检测方法，其特征在于，所述将每个上采样输出特征分别输入至所述下采样特征金字塔网络中对应尺度的下采样尺度层，获取每个下采样尺度层输出的融合特征图，包括：将任一尺度的上采样输出特征输入至所述下采样特征金字塔...

【专利技术属性】
技术研发人员：毕福昆，孙宇，郦丽，后兴海，侯正方，
申请(专利权)人：北京北方智图信息技术有限公司，
类型：发明
国别省市：