System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于目标检测,尤其涉及一种基于矩形可变形卷积的遥感图像目标检测方法。
技术介绍
1、微电子软硬件的发展,导航和通信技术的更新,以及材料和能源技术的突破,使得航空平台成为了国际遥感领域的研究热点。随着检测任务的蓬勃发展,水平框在遥感目标检测领域上已经无法满足研究人员的需求。遥感图像目标,如飞机、汽车和船舶等,目标比较狭长,一般呈现多种旋转角度,这就需要模型对任意旋转角度的目标具备较强的识别能力。
2、旋转目标检测作为目标检测的一个扩展分支,它可以检测图像中任意角度的目标,对于遥感图像等场景有着重要意义。近十年来,随着深度学习的发展,目标检测领域取得了显著的进展。深度学习因其强大的特征学习能力和泛化能力,已被广泛应用于遥感图像目标检测领域而受到了广泛的关注。然而,遥感图像目标具有多尺度、多旋转角度、背景复杂等特点,传统的基于深度学习的目标检测方法,例如faster r-cnn,依赖水平边界框来定位目标,但这种方法无法精确定位旋转目标,因为使用水平检测框的方法会导致检测框中包含大量的背景信息或其他目标干扰信息,导致最终的分类和定位效果较差,难以获得理想的结果。
3、同时,无人机视角下的目标尺度会根据拍摄位置或高度不同在图像上呈现出不同大小,这给图像分析和目标检测任务带来了挑战。例如,同一类别的目标在不同的分辨率下可能有不同的形状、纹理和结构特征,或者同一幅图像中的目标由于视角、距离和投影等因素而产生尺度差异。其中多尺度特征融合可以很好地缓解目标尺度变化大的难题。
4、通用目标检测中多尺度融
5、综上,当前仍存在航空遥感图像目标尺寸小、角度不固定、方向多变、检测难度大的问题,且现有方法并不能很好地适应于包含大量小目标的航拍图像检测。
技术实现思路
1、为解决上述现有的技术不足,本专利技术提供了一种基于可变形卷积的遥感图像目标检测方法,目的是解决航空遥感图像目标尺寸小、角度不固定、方向多变、检测难度大的问题。
2、为实现上述目的,本专利技术提供了一种基于矩形可变形卷积的遥感图像目标检测方法,包括:
3、利用遥感图像目标检测数据集训练改进的oriented rcnn模型;
4、所述改进的oriented rcnn模型是指用矩形可变形卷积替换卷积神经网络中的一般卷积,在特征金字塔网络中加入了高级和低级特征融合模块,删除检测头的两个共享的全连接层并在分类和回归分支分别使用适配网络,得到改进的oriented rcnn模型;
5、根据训练集训练网络模型并更新参数,然后在测试集上提取图像特征并进行测试,得到测试图像中各检测目标的类别、置信度分数和相应的目标框坐标信息。
6、本专利技术的一种基于矩形可变形卷积的遥感图像目标检测方法,使用广泛应用的公开遥感图像目标检测数据集dota v1.0和fair1m 1.0,作为模型的训练数据和测试数据。
7、与现有技术相比本专利技术的有益效果为:
8、(1)现有的目标检测方法无法精确定位旋转目标,最终的分类和定位效果较差,难以获得理想的结果;本专利技术设计了适用于旋转目标检测任务的矩形可变形卷积,能够更好地适应遥感图像中目标的几何变换,能够准确定位并提取遥感图像特征,从而提升目标检测精度。
9、(2)针对遥感图像尺寸大、目标尺寸小,在整幅图像中占的像素少,使得与周围背景很难分辨的问题;本专利技术设计了低级和高级特征融合模块,集成了低级和高级不同粒度特征,并采用子像素卷积进行上采样生成高分辨率的特征图来检测小尺度的物体,在一定程度上解决了大尺度遥感图像中检测较小目标的问题。
10、本专利技术附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.本专利技术的一种基于矩形可变形卷积的遥感图像目标检测方法,其特征在于,包括:
2.如权利要求1所述的一种基于矩形可变形卷积的遥感目标检测方法,其特征在于:对于经常使用的遥感图像目标检测数据集DOTA v1.0和FAIR1M 1.0,按照配置文件对数据集进行划分。
3.如权利要求1所述的一种基于矩形可变形卷积的遥感目标检测方法,其特征在于:对以卷积神经网络ResNet为提取遥感图像特征的主干网络,设计适用于旋转目标检测任务的矩形可变形卷积,并用其替换主干网络第2、3、4阶段瓶颈块中的一般卷积,目的是更好地适应目标的几何变换,使得卷积区域更好的覆盖在物体形状上。
4.如权利要求1所述的一种基于矩形可变形卷积的遥感目标检测方法,其特征在于:使用PANet并在其中添加了3个高级和低级特征融合模块作为模型的特征金字塔网络,目的是为了解决检测任务中目标大小和形状多样的问题,以增强特征的语义信息。
5.如权利要求4所述的一种基于矩形可变形卷积的遥感目标检测方法,其特征在于:所述高级和低级特征融合模块的获取步骤包括:对高级特征进行上采样,对低级
6.如权利要求5所述的一种基于矩形可变形卷积的遥感目标检测方法,其特征在于:对高级和低级融合的特征使用子像素卷积生成高分辨率的特征图,以检测尺度较小的目标。
7.如权利要求1所述的一种基于矩形可变形卷积的遥感目标检测方法,其特征在于:删除了检测头的两个共享的全连接层并在分类和回归分支分别使用适配网络,加强感兴趣区域特征的判别力;所述改进的Oriented RCNN模型包括:改进的主干网络、改进的特征金字塔网络和检测头。
...【技术特征摘要】
1.本发明的一种基于矩形可变形卷积的遥感图像目标检测方法,其特征在于,包括:
2.如权利要求1所述的一种基于矩形可变形卷积的遥感目标检测方法,其特征在于:对于经常使用的遥感图像目标检测数据集dota v1.0和fair1m 1.0,按照配置文件对数据集进行划分。
3.如权利要求1所述的一种基于矩形可变形卷积的遥感目标检测方法,其特征在于:对以卷积神经网络resnet为提取遥感图像特征的主干网络,设计适用于旋转目标检测任务的矩形可变形卷积,并用其替换主干网络第2、3、4阶段瓶颈块中的一般卷积,目的是更好地适应目标的几何变换,使得卷积区域更好的覆盖在物体形状上。
4.如权利要求1所述的一种基于矩形可变形卷积的遥感目标检测方法,其特征在于:使用panet并在其中添加了3个高级和低级特征融合模块作为模型的特征金字塔网...
【专利技术属性】
技术研发人员:滕尚志,吕学强,韩晶,游新冬,
申请(专利权)人:北京信息科技大学,
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。