目标检测方法、装置、设备、介质及计算机程序产品制造方法及图纸

本发明专利技术提供一种目标检测方法、装置、设备、介质及计算机程序产品，目标检测方法应用于包括特征提取模块、三维注意力模块及特征金字塔网络的目标检测系统，目标检测系方法包括：对待检测图像进行裁剪得到包含目标图像，将所述包含目标图像输入所述特征提取模块得到所述包含目标图像的第一图像特征；将所述第一图像特征对应的各层特征输入所述三维注意力模块，得到第二图像特征；将所述第二图像特征对应的各层特征输入所述特征金字塔网络进行多尺度融合，得到第三图像特征；根据所述第三图像特征确定所述待检测图像的目标检测结果。本发明专利技术通过包含特征提取模块、三维注意力模块及特征金字塔网络的目标检测系统，提高了遥感目标检测的准确性。测的准确性。测的准确性。

【技术实现步骤摘要】
目标检测方法、装置、设备、介质及计算机程序产品


[0001]本专利技术涉及深度学习网络
，尤其涉及一种目标检测方法、装置、设备、介质及计算机程序产品。

技术介绍

[0002]遥感图像目标检测技术是遥感信息自动获取的重要构成部分，其主要的目的是从遥感图像中检测并定位出感兴趣的目标，现有的遥感目标检测方法主要包括以下两种：(1)传统的遥感图像目标检测方法主要依靠人为设计待测目标的纹理和边缘等低层特征，先获取候选区域,然后根据任务需求，研究人员依据先验知识人为设计低层特征,再采用分类器获得目标类别；(2)基于深度学习的遥感目标检测方法，首先依据卷积操作获取图像特征，再基于区域选取网络获取候选区域，即实现目标的粗定位及目标与背景粗分类，最后利用感兴趣区域映射到特征图上的过程提取区域特征，最后进行目标分类及检测框回归。
[0003]上述目标检测方法(1)采用人为设计的特征，实现较复杂，语义信息包含较少、针对性较差，且人工设计的特征层次较为初级，难以具备高层语义信息，另外此类特征难以同时有效应对复杂多样的遥感目标，鲁棒性较差。目标检测方法(2)模型复杂度较高，在特征提取阶段没有关注遥感图像中存在的背景复杂、小目标密集、目标尺度差异大等难点，导致目标检测效果不理想。

技术实现思路

[0004]本专利技术提供一种目标检测方法、装置、设备、存储介质及计算机程序产品，用以解决现有遥感图像目标检测方法中存在的技术问题。
[0005]本专利技术提供一种目标检测方法，目标检测方法应用于目标检测系统，所述目标检测系统包括特征提取模块、三维注意力模块及特征金字塔网络；所述目标检测方法包括：
[0006]对待检测图像进行裁剪得到包含目标图像，将所述包含目标图像输入所述特征提取模块得到所述包含目标图像的第一图像特征；
[0007]将所述第一图像特征对应的各层特征输入所述三维注意力模块，得到第二图像特征；
[0008]将所述第二图像特征对应的各层特征输入所述特征金字塔网络进行多尺度融合，得到第三图像特征；
[0009]根据所述第三图像特征确定所述待检测图像的目标检测结果。
[0010]根据本专利技术提供的一种目标检测方法，所述目标检测系统还包括递归融合模块；所述根据所述第三图像特征确定所述待检测图像的目标检测结果的步骤包括：
[0011]将所述第三图像特征对应的第一次融合特征和第二次融合特征输入所述递归融合模块；
[0012]将所述第二次融合特征依次通过第一卷积和激活函数运算，生成注意力图；
[0013]根据所述注意力图计算所述第一次融合特征和所述第二次融合特征的加权和，根
据所述加权和确定所述待检测图像的目标检测结果。
[0014]根据本专利技术提供的一种目标检测方法，所述目标检测系统还包括分类回归模块；所述根据所述加权和确定所述待检测图像的目标检测结果的步骤包括：
[0015]获取各所述加权和对应的先验框数量、分类数量以及先验框调整信息；
[0016]将各所述加权和对应的先验框数量和分类数量输入所述分类回归模块中的第一子网，得到第一检测结果；
[0017]将各所述加权和对应的先验框数量和先验框调整信息输入所述分类回归模块中的第二子网，得到第二检测结果；
[0018]根据所述第一检测结果和所述第二检测结果，确定所述待检测图像的目标检测结果。
[0019]根据本专利技术提供的一种目标检测方法，所述将所述第一图像特征对应的各层特征输入所述三维注意力模块，得到第二图像特征的步骤包括：
[0020]确定所述第一图像特征对应的各层特征的单个通道中的目标神经元和其他神经元；
[0021]根据所述目标神经元和所述其他神经元确定所述目标神经元的重要度；
[0022]根据所述重要度、所述激活函数运算以及同或运算，得到第二图像特征。
[0023]根据本专利技术提供的一种目标检测方法，所述目标检测系统还包括特征连接模块；所述将所述第二图像特征对应的各层特征输入所述特征金字塔网络进行多尺度融合，得到第三图像特征的步骤之后包括：
[0024]获取所述特征连接模块中各分支对应的卷积内核尺寸、卷积空洞率以及卷积填充尺寸；
[0025]根据所述卷积内核尺寸、所述卷积空洞率以及所述卷积填充尺寸，确定所述第三图像特征对应的变换图像特征；
[0026]将所述变换图像特征与所述第一图像特征进行连接，完成一次递归。
[0027]根据本专利技术提供的一种目标检测方法，所述对待检测图像进行裁剪得到包含目标图像的步骤包括：
[0028]根据预设滑动窗口和预设裁剪重叠率，对待检测图像进行裁剪得到包含目标图像。
[0029]本专利技术还提供一种目标检测装置，包括：
[0030]第一图像特征确定模块，用于对待检测图像进行裁剪得到包含目标图像，将所述包含目标图像输入特征提取模块得到所述包含目标图像的第一图像特征；
[0031]第二图像特征确定模块，用于将所述第一图像特征对应的各层特征输入三维注意力模块，得到第二图像特征；
[0032]第三图像特征确定模块，用于将所述第二图像特征对应的各层特征输入特征金字塔网络进行多尺度融合，得到第三图像特征；
[0033]第三图像特征递归融合模块，用于将所述第二图像特征对应的各层特征输入所述特征金字塔网络进行多尺度融合，得到第三图像特征；
[0034]目标检测模块，用于根据所述第三图像特征确定所述待检测图像的目标检测结果。
[0035]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目标检测方法。
[0036]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目标检测方法。
[0037]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述目标检测方法。
[0038]本专利技术提供的目标检测方法、装置、设备、存储介质及计算机程序产品，目标检测方法应用于包括特征提取模块、三维注意力模块及特征金字塔网络的目标检测系统，首先对待检测图像进行裁剪得到包含目标的图像，将包含目标的图像输入特征提取模块得到图像对应的第一图像特征，然后将第一图像特征对应的各层特征输入到三维注意力模块中，得到增强的第二图像特征，再将第二图像特征对应的各层特征输入到特征金字塔网络中进行多尺度融合，得到第三图像特征，最后基于第三图像特征确定待检测图像的目标检测结果，通过包含特征提取模块、三维注意力模块及特征金字塔网络的目标检测系统，提高了遥感目标检测的准确性。
附图说明
[0039]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，在不付出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标检测方法，其特征在于，所述目标检测方法应用于目标检测系统，所述目标检测系统包括特征提取模块、三维注意力模块及特征金字塔网络；所述目标检测方法包括：对待检测图像进行裁剪得到包含目标图像，将所述包含目标图像输入所述特征提取模块得到所述包含目标图像的第一图像特征；将所述第一图像特征对应的各层特征输入所述三维注意力模块，得到第二图像特征；将所述第二图像特征对应的各层特征输入所述特征金字塔网络进行多尺度融合，得到第三图像特征；根据所述第三图像特征确定所述待检测图像的目标检测结果。2.根据权利要求1所述的目标检测方法，其特征在于，所述目标检测系统还包括递归融合模块；所述根据所述第三图像特征确定所述待检测图像的目标检测结果的步骤包括：将所述第三图像特征对应的第一次融合特征和第二次融合特征输入所述递归融合模块；将所述第二次融合特征依次通过第一卷积和激活函数运算，生成注意力图；根据所述注意力图计算所述第一次融合特征和所述第二次融合特征的加权和，根据所述加权和确定所述待检测图像的目标检测结果。3.根据权利要求2所述的目标检测方法，其特征在于，所述目标检测系统还包括分类回归模块；所述根据所述加权和确定所述待检测图像的目标检测结果的步骤包括：获取各所述加权和对应的先验框数量、分类数量以及先验框调整信息；将各所述加权和对应的先验框数量和分类数量输入所述分类回归模块中的第一子网，得到第一检测结果；将各所述加权和对应的先验框数量和先验框调整信息输入所述分类回归模块中的第二子网，得到第二检测结果；根据所述第一检测结果和所述第二检测结果，确定所述待检测图像的目标检测结果。4.根据权利要求2所述的目标检测方法，其特征在于，所述将所述第一图像特征对应的各层特征输入所述三维注意力模块，得到第二图像特征的步骤包括：确定所述第一图像特征对应的各层特征的单个通道中的目标神经元和其他神经元；根据所述目标神经元和所述其他神...

【专利技术属性】
技术研发人员：毕福昆，孙宇，后兴海，徐盛野，裘宇婵，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：