【技术实现步骤摘要】
基于融合卷积注意力机制的遥感图像目标检测方法
[0001]本专利技术属于遥感图像目标检测
，主要涉及光学遥感图像的目标检测，具体是一种基于融合卷积注意力机制的遥感图像目标检测方法。应用于航空飞机对地面目标实时检测等领域。
技术介绍
[0002]遥感技术是一种利用非接触方式获取远距离目标特征信息的技术。它通过在一定的技术设备和系统的支持下，对被测目标的电磁波特性进行非接触式记录和分析，以获得目标特征信息。在过去几十年的发展中，遥感技术已经广泛应用于多个领域，如农业发展、地质分析、海洋监测、军事侦察和环境保护等。
[0003]目标检测已成为遥感图像地物识别、计算机视觉等领域的重要研究热点。通过目标检测，可以识别图像中的特定目标，并获得其类型和具体位置，在智能交通、智慧城市、公共安全、军事战争等领域中发挥着重要作用。因此，对遥感图像数据进行目标检测的研究在海洋、军事、农业等领域具有重大意义，比如能够降低成本、提高效率，推进本领域的科技进步。随着高分辨率卫星的快速发展，高分辨率遥感图像数量急剧增加，因此基于大数据的遥感...
【技术保护点】
【技术特征摘要】
1.一种基于融合卷积注意力机制的遥感图像目标检测方法，其特征在于，包括有如下步骤：步骤1，收集并处理遥感图像数据：从公开网站中获取公开的遥感图像，将其划分为训练数据集、验证数据集、测试数据集，总体构成遥感图像数据集；该遥感图像数据集共包含十五类目标，分别是：飞机、船、存储罐、棒球场、网球场、篮球场、操场、港口、桥梁、大型车辆、小型车辆、直升飞机、环岛、足球场、游泳池；将遥感图像数据集中的原始图像数据所有目标的坐标和类别信息生成txt文件，并和原始图像数据一起输入到搭建的特征提取主干网络中；步骤2，搭建特征提取主干网络：搭建的特征提取主干网络由四个卷积组顺序连接构成，第一个卷积组依次通过卷积层、Norm层、激活函数层、最大池化层构成；其中，第二、三、四卷积组分别由不同数目的残差连接单元顺序连接构成，每个残差连接单元的结构为卷积层、GN层、激活函数层顺序堆叠而成；输入的原始图像数据经过搭建的特征提取主干网络下采样操作后输出遥感图像特征矩阵；步骤3，搭建融合卷积的Transformer编码器：搭建的Transformer编码器包含有卷积模块和注意力模块并行连接构成的融合卷积多头注意力模块，该编码器从输入端依次包括有融合卷积多头注意力模块、残差连接和层归一化模块、前向传播模块、残差连接和层归一化模块，其中，所述融合卷积多头注意力模块中的卷积模块包括有顺序连接的第一卷积层、第一激活函数层、第二卷积层、BN层、第二激活函数层、第三卷积层，注意力模块包括有顺序连接的LN层、自注意力层、前馈网络层；其中，卷积模块和注意力模块的比例为4：4，卷积模块与注意力模块输出后的矩阵大小相同，通过concat级联后形成与融合卷积的Transformer编码器输入矩阵大小相同的输出矩阵；步骤4，搭建混合注意力机制的Transformer解码器：解码器通过自注意力机制对输入的目标查询矩阵进行冗余信息处理，交叉注意力机制对编码器输出的特征矩阵和目标查询矩阵进行关系建模，通过前向传播模块对图像特征和预测框进行特征变换；步骤5，组成融合卷积注意力机制目标检测网络模型：建立依次由特征提取主干网络、融合卷积的Transformer编码器、混合注意力机制的Transformer解码器组成的融合卷积注意力机制目标检测网络模型，简称网络模型；步骤6，训练融合卷积注意力机制目标检测网络模型：用训练数据集对由特征提取主干网络、融合卷积注意力机制编码器、混合注意力机制解码器顺序连接构成的融合卷积注意力机制目标检测网络模型进行训练，得到训练好的融合卷积注意力机制目标检测网络模型；步骤7，测试融合卷积注意力机制目标检测网络模型：用训练好的融合卷积注意力机制目标检测网络模型对测试数据集进行检测，即将测试集输入到训练好的融合卷积注意力机制目标检测网络模型中，得到遥感图像数据集每一类目标的检测结果，包括平均精度AP及所有类目标的平均精度均值mAP。2.根据权利要求1所述的基于融合卷积注意力机制的遥感图像目标检测方法，其特征在于，步骤2中搭建的特征提取主干网络，由四个卷积组顺序连接构成；第一卷积组由一个卷积层、一个GroupNorm层、一个激活函数层、一个最大池化层顺序组成；第二卷积组由三个相同的残...
【专利技术属性】
技术研发人员：朱虎明，王晨，王金成，缪孔苗，李秋明，薛怡煜，侯彪，焦李成，
申请(专利权)人：西安电子科技大学，
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。