一种基于元学习的小样本遥感目标检测方法技术

本发明专利技术公开了一种基于元学习的小样本遥感目标检测方法，包括：根据遥感图像构建支持集和查询集；获取支持集中每类遥感图像的类特征向量；获取查询集中每个遥感图像的感兴趣区域特征向量；计算类特征向量和感兴趣区域特征向量之间的距离，获得每类遥感图像的差异特征；对感兴趣区域特征向量进行通道级软注意力处理，得到每类遥感图像的类注意特征；通过全链接层对每类遥感图像的差异特征和每类遥感图像的类注意特征进行融合，得到融合特征；通过元检测器对融合特征进行遥感目标检测，解决如何减小对遥感图像误检、漏检导致目标检测效率低的问题。率低的问题。率低的问题。

【技术实现步骤摘要】
一种基于元学习的小样本遥感目标检测方法


[0001]本专利技术属于目标检测
，尤其涉及一种基于元学习的小样本遥感目标检测方法。

技术介绍

[0002]目标检测是光学遥感图像分析的重要内容，是将图像数据转化为应用成果的关键一环，可以为遥感图像应用系统运行节省大量时间，为使用者提供决策支持。因此，对遥感图像中感兴趣目标(飞机，舰船，车辆等)进行定位提取是遥感图像处理和信号与信息处理等领域的热点问题。
[0003]近年来，随着大规模标定数据集和深度神经网络结构的提出，深度学习算法在图像分类、语义分割、目标检测、显著性检测等任务上取得了很高的准确率。但是，深度神经网络模型参数量大，学习新的概念需要及时提供大量的标定数据，当样本量少时必然出现过拟合现象。
[0004]近年来，针对上述问题小样本学习在遥感数据的分类任务上取得了一些不错的成果，但小样本目标检测由于包含分类与回归两个子任务，这两个子任务要求模型识别对象的类别并同时边界定位。对于分类子任务，出现对遥感图像误检、漏检是相当严重的问题。

技术实现思路

[0005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于元学习的小样本遥感目标检测方法，其特征在于，所述方法的实施步骤包括：根据遥感图像构建支持集和查询集；获取所述支持集中每类遥感图像的类特征向量；获取所述查询集中每个遥感图像的感兴趣区域特征向量；计算所述类特征向量和所述感兴趣区域特征向量之间的距离，获得每类所述遥感图像的差异特征；对所述感兴趣区域特征向量进行通道级软注意力处理，得到每类遥感图像的类注意特征；通过全链接层对每类所述遥感图像的差异特征和每类所述遥感图像的类注意特征进行融合，得到融合特征；通过元检测器对所述融合特征进行遥感目标检测。2.如权利要求1所述的一种基于元学习的小样本遥感目标检测方法，其特征在于，根据遥感图像构建支持集和查询集，该步骤包括：对将遥感图像数据集的中的新类遥感图像进行掩码转换，将所有掩码转换后的遥感图像构成支持集；将所述遥感图像数据集中的基类遥感图像构成所述查询集。3.如权利要求1所述的一种基于元学习的小样本遥感目标检测方法，其特征在于，获取所述支持集中每类遥感图像的类特征向量，包括：计算所述支持集中每类所述遥感图像的代表特征；对所述待表特征进行池化，获得每类所述遥感图像的类特征向量。4.如权利要求3所述的一种基于元学习的小样本遥感目标检测方法，其特征在于，每类所述遥感图像的代表特征的计算方式包括：其中，表示每类所述遥感图像的代表特征，表示支持集中每一类别下每个遥感图像的图像特征。5.如权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：梅少辉，王乐凡，张顺，马明阳，冯燕，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：