一种基于多感受野特征金字塔的影像目标检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于多感受野特征金字塔的影像目标检测方法及装置，包括：构造ResNet－50特征提取网络和级联区域卷积神经网络；获取图像训练集，并将所述图像训练集作为所述ResNet－50特征提取网络的输入，从而提取所述图像训练集的图像特征；根据预设的多感受野特征金字塔和预设的兴趣区提取网络，对所述图像特征进行候选区提取；将提取的候选区输入至所述级联区域卷积神经网络进行训练，并根据训练后的级联区域卷积神经网络，对待测影像进行目标检测，获得检测结果。本发明专利技术避免了现有技术中缺乏对感受野的考虑，增加了感受野的语义信息，结合了特征金字塔和感受野两个角度，提升了对多尺度目标检测性能。提升了对多尺度目标检测性能。提升了对多尺度目标检测性能。

An image target detection method and device based on multi receptive field feature pyramid

【技术实现步骤摘要】
一种基于多感受野特征金字塔的影像目标检测方法及装置


[0001]本专利技术涉及遥感影像目标检测
，尤其涉及一种基于多感受野特征金字塔的影像目标检测方法及装置。

技术介绍

[0002]随着遥感影像目标检测技术的发展，目标检测大致可以分为分类与粗定位两个任务，即输出为影像内属于预设类别目标的外包矩形和具体类别。遥感目标检测具有广泛的应用价值，例如用于军事侦察、智慧城市管理和精准农业或工业等，同时遥感目标检测也是基于大量的算法基础，包括实例分割、变化检测等，均具有极大的理论价值。近年来，基于深度学习的目标检测算法凭借其优异的特征提取能力，成为遥感目标检测的主流并有效提升检测精度。然而，遥感影像具有多尺度的特点：遥感平台高度不同、传感器分辨率不同、地物大小不同等，都会造成尺度差异。从计算机视觉迁移的目标检测模型不能有效应对遥感影像多尺度特性，因此进行遥感影像多尺度目标检测研究是有必要的。
[0003]目前，从网络结构角度出发解决多尺度目标检测的研究主要分为感受野角度和特征金字塔角度两类。感受野角度研究考虑使用不同的感受野探测不同尺度的目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多感受野特征金字塔的影像目标检测方法，其特征在于，包括：构造ResNet－50特征提取网络和级联区域卷积神经网络；获取图像训练集，并将所述图像训练集作为所述ResNet－50特征提取网络的输入，从而提取所述图像训练集的图像特征；根据预设的多感受野特征金字塔和预设的兴趣区提取网络，对所述图像特征进行候选区提取；将提取的候选区输入至所述级联区域卷积神经网络进行训练，并根据训练后的级联区域卷积神经网络，对待测影像进行目标检测，获得检测结果。2.如权利要求1所述的一种基于多感受野特征金字塔的影像目标检测方法，其特征在于，所述将所述图像训练集作为所述ResNet－50特征提取网络的输入，从而提取所述图像训练集的图像特征，具体为：对所述图像训练集进行影像尺度放缩、随机翻转和归一化的预处理，并将预处理后的图像训练集通过所述ResNet－50特征提取网络，获得所述图像训练集的图像特征。3.如权利要求1所述的一种基于多感受野特征金字塔的影像目标检测方法，其特征在于，所述根据预设的多感受野特征金字塔和预设的兴趣区提取网络，对所述图像特征进行候选区提取，具体为：根据预设的多感受野特征金字塔，对所述图像特征进行特征优化；将优化后的图像特征输入至预设的兴趣区提取网络，提取候选区。4.如权利要求3所述的一种基于多感受野特征金字塔的影像目标检测方法，其特征在于，所述根据预设的多感受野特征金字塔，对所述图像特征进行特征优化，具体为：根据预设的多感受野特征金字塔，将所述图像特征进行横向卷积，依次对横向卷积后的图像特征进行下行融合、上行融合和平滑的操作，从而得到优化后的图像特征。5.如权利要求4所述的一种基于多感受野特征金字塔的影像目标检测方法，其特征在于，所述将优化后的图像特征输入至预设的兴趣区提取网络，提取候选区，具体为：根据预设的兴趣区提取网络，对所述优化后的图像特征进行前景区与背景区为预设比例的在线难样本挖掘，输出并提取预设顶层数量的非重叠前景区，作为候选区。6.如权利要求5所述的一种基于多感受野特征金字塔的影像目标检测方法，其特征在于，所述将提取的候选区输入至所述级联区域卷积神经网络进行训练，具体为：根据所述候选区的外包矩形，获取特征图的层次，截取并池化所述特征图对应的区域，获得候选区特征图；其中，所述特征图为优化后的图像特征所对应的图像；将所述候选...

【专利技术属性】
技术研发人员：李军，徐健明，贺霖，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：