【技术实现步骤摘要】
基于注意力机制的高分辨率遥感图像目标检测方法和装置
[0001]本专利技术涉及遥感图像
,尤其涉及一种基于注意力机制的高分辨率遥感图像目标检测方法和装置。
技术介绍
[0002]随着卫星遥感技术的不断发展,获取大规模高分辨率遥感图像变得容易,可以通过无人机和卫星的机载传感器获得地表目标的详细观测。同时高分辨率遥感图像提供了更加丰富的纹理和空间特征,蕴含了丰富的语义信息和空间信息。因此针对高分辨率遥感图像进行目标检测,能够得到遥感图像中目标的类别和位置信息,获得可视化的目标检测图像,可将获取到的可视化图像应用到地质勘探、军事侦察、车辆监测以及城市区域规划。近几年来,很多目标检测方法已被成功地应用于在自然图像中。但是遥感图像具有较低的空间分辨率和较大的拍摄视角等特点,导致物体信息量很小。同时遥感图像包含各种复杂的背景信息,可能会对目标检测产生强烈的干扰。因此直接将自然场景下的遥感图像目标检测算法应用到遥感图像中,不能很好解决遥感图像目标检测的问题。
[0003]受人类视觉注意力系统的启发,注意力机制可以自动关注图像 ...
【技术保护点】
【技术特征摘要】
1.一种基于注意力机制的高分辨率遥感图像目标检测方法,其特征在于,包括:获取待检测的高分辨率遥感图像;将所述图像输入检测模型,输出对应的图像中物体类别和目标检测框结果;其中,所述检测模型是经过样本高分辨率遥感图像,以及对应的图像中物体类别标签、目标检测框位置标签和真实注意力图标签进行训练得到的,所述检测模型的网络结构包括基础特征提取模块、通道注意力模块、有监督的空间注意力模块和目标检测头模块,所述基础特征提取模块中插入五组顺次连接的所述通道注意力模块和所述有监督的空间注意力模块。2.根据权利要求1所述的基于注意力机制的高分辨率遥感图像目标检测方法,其特征在于,检测模型训练过程中,所述基础特征提取模块采用DLA
‑
34作为骨干网络,包括1
×
1卷积层、3
×
3卷积层、批归一化层和非线性激活层。3.根据权利要求1所述的基于注意力机制的高分辨率遥感图像目标检测方法,其特征在于,检测模型训练过程中,所述通道注意力模块包含特征全局平均池化层和1维卷积层。4.根据权利要求1所述的基于注意力机制的高分辨率遥感图像目标检测方法,其特征在于,检测模型训练过程中,所述有监督空间注意力模块包含平均池化层、最大池化层和非对称卷积层。5.根据权利要求4所述的基于注意力机制的高分辨率遥感图像目标检测方法,其特征在于,检测模型训练过程中,所述目标检测头模块包括卷积层、批归一化层和非线性激活函数层。6.根据权利要求1所述的基...
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。