【技术实现步骤摘要】
一种基于卫星图像机场目标毁伤检测方法
[0001]本专利技术涉及机场毁伤检测
,尤其涉及一种基于卫星图像机场目标毁伤检测方法。
技术介绍
[0002]卫星系统提供的遥感信息支持已经成为至关重要的战场信息感知源,然而数据集有限、模型难以部署等问题却成为这一领域应用的瓶颈,尤其是对于机场中各类基础设施的目标识别,以及军事打击后目标是否毁伤的判定,是节约判读员时间、提高作战效率的关键。
[0003]在毁伤评估领域,现有的传统方法通常是采用变化检测的方式描述目标特征,对毁伤信息进行提取。通过建立目标特征向量“相似度”、几何和纹理特征“二次距离”制定评估规则。该方法尽管采用一定的仿真手段得到了比较好的效果,但对实际复杂目标的超大图像而言,当采集图像中各类目标占比明显较小时识别效果较差。同时,该类算法也面临图像难以配准、实现难度较大、难以部署等问题,尤其是在观测场景、应用环境等发生改变时,算法几近失效。
[0004]而基于深度学习的神经网络模型对目标毁伤的识别方法可有利于终端部署,同时也可以结合目标的具体模型以及更多的非图像信息对目标的毁伤进行更准确的判断,因此,开展基于神经网络模型的机场目标毁伤检测技术的研究十分必要。
技术实现思路
[0005]针对现有算法的不足,本专利技术提供基于结构重参数化与8bit量化的深度学习网络结构、分步对高精度卫星遥感图像中机场各目标毁伤的检测方法;针对跑道毁伤是利用最小起降窗口与跑道分别从不同的角度进行逐点卷积,根据弹坑分布计算最小起降窗口的面积,从而判断跑 ...
【技术保护点】
【技术特征摘要】
1.一种基于卫星图像机场目标毁伤检测方法,其特征在于,包括以下步骤:步骤一、构建机场设施目标检测数据集,包括构建飞机、机堡、机堡弹坑及跑道弹坑的卫星图像数据集;步骤二、利用结构重参数化思想,结合单路模型以轻量化的YOLOv5网络为基础对CSPNet进行改造,并采用解耦训练时和推理时架构;针对卫星图像小目标的识别,改进训练优化策略;步骤三、采用DoReFa
‑
Net多值量化方法对YOLOv5网络进行优化,同时量化权重、特征值和梯度,反向传播时更新权重的全精度表示,推断时使用权重的量化表示;在权重的量化过程中利用直通估计方式规避0梯度;步骤四、基于YOLOv5网络的超大图像推理部署;步骤五、对油罐毁伤、机堡毁伤、飞机及跑道毁伤进行分类毁伤检测。2.根据权利要求1所述的基于卫星图像机场目标毁伤检测方法,其特征在于,对CSPNet进行改造,并采用解耦训练时和推理时架构,具体包括:将Identity转换为1x1卷积,构造出一个以单位矩阵为卷积核的1x1卷积;将1x1卷积等价转换为3x3卷积并用0填充,将1x1卷积等价转换为3x3卷积并用0填充,其中,3x3卷积的参数是4个3x3矩阵,1x1卷积的参数是1个2x2矩阵;三个分支都有BN层,参数包括累积得到的均值及标准差、学习得到的缩放因子及bias,推理时的卷积层和BN层等价转换为一个带bias的卷积层;将CSPNet中的3
×
3卷积进行结构重参数化改造,重新嵌入到YOLOv5网络中,作为训练时的网络架构,而在推理时,将旁支融合到3
×
3卷积模块中。3.根据权利要求1所述的基于卫星图像机场目标毁伤检测方法,其特征在于,改进训练优化策略,具体包括:对损失函数的优化和对激活函数的适应性改进。4.根据权利要求3所述的基于卫星图像机场目标毁伤检测方法,其特征在于,损失函数的优化包括:采用S
‑
IOU损失函数,分别计算角度成本、距离成本、形状成本和IoU成本,得到IOU损失函数。5.根据权利要求3所述的基于卫星图像机场目标毁伤检测方法,其特征在于,激活函数的适应性改进包括:将3*3卷积与ReLU函数合并为基本算子,将swish函数替换为ReLU函数。6.根据权利要求1所述的基于卫星图像机场目标毁伤检测方法,其特征在于,DoReFa
‑
Net多值量化的公式为:
ꢀꢀ
(12)对特征值的...
【专利技术属性】
技术研发人员:于淼,孙莉,宋政伟,张元淳,侯俊,郑培清,张国和,
申请(专利权)人:江苏思远集成电路与智能技术研究院有限公司,
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。