【技术实现步骤摘要】
一种遥感目标检测方法、系统、介质、设备及终端
[0001]本专利技术属于计算机视觉
,尤其涉及一种遥感目标检测方法、系统、介质、设备及终端。
技术介绍
[0002]目前,航空图像通常包含被复杂周围场景淹没的小物体;杂乱且密集。检测对象通常密集排列,如车辆和船舶。航空图像中的物体可以以不同的方向出现。遥感中常见的大纵横比问题进一步挑战了这一点。如图2所示,SCRDet旋转目标检测算法的提出解决了以下问题:1)小目标:设计了一种采样融合网络(SF
‑
Net),将特征融合和更精细的锚采样结合在一起;2)复杂背景:开发了一种有监督的多维注意力网络(MDA
‑
Net),该网络由像素注意力网络和通道注意力网络组成,以抑制噪声并突出前景。3)任意方向的杂乱密集物体:通过引入角度相关参数进行估计,设计了一个角度敏感网络。
[0003]为了获得更精确的旋转估计,将IoU常数因子添加到smooth
‑
L1损失中,以解决旋转边界框角度的边界问题,如图2所示。存在改进方案:小目标检测模块改为FPN或PANet更有效。角度回归可改为基于CLS的角度分类任务,角度预测更准确。
[0004]但是,现有遥感目标检测方法角度预测不准确,论文Arbitrary
‑
Oriented Object Detectionwith Circular Smooth Label提出的角度预测不准确的根本原因是理想的角度预测超出了定义的范围,通过将角度预测从回归问题转换为分类 ...
【技术保护点】
【技术特征摘要】
1.一种遥感目标检测方法,其特征在于,遥感目标检测方法包括:首先该图像融合算法引入了YOLOv5旋转检测器中的检测损失来使得融合网络包含更多的语义信息,同时提出了一种自适应训练策略来实现图像融合算法于检测器同步训练,使得融合算法能更好的融合特定检测场景的图像;其次提出了一种显著性目标检测的图像融合方法,根据目标检测信息来构建显著性目标掩码和背景掩码,并设计目标显著性强度损失函数来增强图像中目标的像素强度,弱化背景像素强度。最后提出一种融合网络模型设计来完成特征提取、特征融合、图像重建等过程,其中引入Sobel算子进行纹理梯度提取。2.如权利要求1所述的遥感目标检测方法,其特征在于,遥感目标检测方法包括以下步骤:步骤一,多模态图像融合:确定数据融合对象并构建融合网络,利用联合损失约束融合网络,利用目标检测的目标信息构建目标掩码和背景掩码提高目标显著性,并利用图像重建器实现特征聚合和图像重建;步骤二,旋转目标检测:采用五参数法表示矩形,利用CSP
‑
DarkNet53进行特征提取,并采用Bi
‑
FPN双向特征融合方法进行特征融合,采用Guass编码处理旋转角度问题。步骤三,视频流边缘计算:实时采集RGB红外视频流和红外视频流并依次进行三次异步处理,最后将视频编码并推流至流媒体或客户端中。3.如权利要求2所述的遥感目标检测方法,其特征在于,步骤一中的多模态图像融合包括:(1)采用多模态配准的红外
‑
可见光数据集作为数据融合对象;(2)融合网络由特征提取器和图像重建器组成,利用双流特征提取、梯度残差块和特征拼接以集成深度特征和细粒度细节特征;(3)采用面向任务的融合方法,低层和高层联合自适应训练策略、由内容损失和检测损失组成的联合损失约束融合网络,使得网络包含更多语义信息;通过级联策略将红外图像和可见光图像的细粒度特征进行融合,并将结果反馈到图像重建器中,实现特征聚合和图像重建,融合图像的大小与源图像保持一致;(4)引入目标掩码来指导网络模型检测显著区域,同时通过确保指定的目标区域的强度和梯度一致性来实现目标区域显著和背景纹理的融合.利用红外图像中目标标签中边界框的表示(x,y,w,h,θ)中心点坐标和宽高来构建一个目标对象掩码I
m
,背景掩码为掩码1
‑
I
m
。(5)融合网络的损失函数设计,设计内容损失,内容损失由强度损失L
pixel
和纹理损失L
texure
两部分组成,其中强度损失由目标强度和背景强度组成。4.如权利要求2所述的遥感目标检测方法,其...
【专利技术属性】
技术研发人员:王建东,闫文成,李光夏,胡涵睿,赵双睿,蔡慧选,王靖渊,曹泽鹏,王超,姚福浩,
申请(专利权)人:西安电子科技大学青岛计算技术研究院,
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。