本发明专利技术提供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，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。实现了提高高分辨率遥感图像目标检测的整体精度。高分辨率遥感图像目标检测的整体精度。高分辨率遥感图像目标检测的整体精度。
【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的重要部分。它学习了一组加权系数，这些系数以动态的方式加权到原始特征图上，实现强调感兴趣的区域，抑制背景区域信息。对于目标检测任务，注意力机制应该突出物体位置信息，抑制背景信息。主要有以下类型的注意机制：通道注意机制、空间注意机制，以及通道和空间混合的注意机制。已有的基于注意力机制的目标检测方法，通过使用上述注意力机制提高网络提取特征时的感受野，但是网络提取到的中间层特征多且复杂。通过空间注意力机制获取到的某些目标的空间特征不够突出，对高分辨遥感图像的前景目标加权不够突出；通道注意力机制获取通道间的信息相关性不够紧密，目标的类别信息区分不够明显，从而导致高分辨率遥感图像目标检测算法的检测精度下降。
[0004]综上，如何避免高分辨率遥感图像的目标检测的精度不高且目标位置不够突出，仍然是本领域技术人员亟待解决的问题。
技术实现思路
[0005]本专利技术提供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，用以解决现有技术中高分辨率遥感图像的目标检测的精度不高且目标位置不够突出的问题。
[0006]本专利技术提供一种基于注意力机制的高分辨率遥感图像目标检测方法，包括：
[0007]获取待检测的高分辨率遥感图像；
[0008]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；
[0009]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。
[0010]根据本专利技术提供的一种基于注意力机制的高分辨率遥感图像目标检测方法，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。
[0011]根据本专利技术提供的一种基于注意力机制的高分辨率遥感图像目标检测方法，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。
[0012]根据本专利技术提供的一种基于注意力机制的高分辨率遥感图像目标检测方法，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。
[0013]根据本专利技术提供的一种基于注意力机制的高分辨率遥感图像目标检测方法，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。
[0014]根据本专利技术提供的一种基于注意力机制的高分辨率遥感图像目标检测方法，检测模型训练过程中，总损失函数由目标中心点的类别概率损失函数、目标位置坐标的损失函数、目标中心点偏移的损失函数和空间注意力图的损失函数组成。
[0015]根据本专利技术提供的一种基于注意力机制的高分辨率遥感图像目标检测方法，检测模型训练过程中，空间注意力图的损失函数基于真实注意力标签图和所述空间注意力图构建。
[0016]根据本专利技术提供的一种基于注意力机制的高分辨率遥感图像目标检测装置，包括：
[0017]获取单元，用于获取待检测的高分辨率遥感图像；
[0018]检测单元，用于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；
[0019]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。
[0020]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的基于注意力机制的高分辨率遥感图像目标检测方法的步骤。
[0021]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的基于注意力机制的高分辨率遥感图像目标检测方法的步骤。
[0022]本专利技术提供的基于注意力机制的高分辨率遥感图像目标检测方法，通过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。本专利技术中的通道注意力模块，能够有效的利用整体图像的类别通道信息，增强整体图像对前景和后景的区别能力，相对有效的区分部分目标特征通道所属的类别，提高高分辨率遥感图像目标检测的整体精度；本专利技术中的有监督空间注意力模块，能够有效的根据真实目标位置标签构建理想空间位置矩阵对计算得到的空间注意力图进行监督，能够明确的突出目标和抑制背景信息，进而学习到目标特征的明确空间位置，有利于对目标检测中对目标位置的推理，提高遥感图像目标检测的整体精度。
附图说明
[0023]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，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1为本专利技术提供的基于注意力机制的高分辨率遥感图像目标检测方法的流程示意图；
[0025]本文档来自技高网...
【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...
【专利技术属性】
技术研发人员：王伟奇，马丽，
申请(专利权)人：中国地质大学武汉，
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。