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】
本申请涉及目标检测,尤其涉及一种旋转目标检测方法、装置、设备及介质。
技术介绍
1、相关技术中,机载光电侦察图像目标检测被广泛应用于城市规划、军事侦察、资源勘探、环境监测等领域。卷积神经网络因不依赖基于规则的算法,因此在机载光电侦察图像目标检测领域被广泛应用。
2、随着遥感数据获取数量和速度的不断提高,人们对深度神经网络提出了更高的要求,即是希望网络模型能够在边缘化设备中运行。然而实际上,大多数神经网络模型是在服务站上进行训练、推理,难以部署到边缘化设备。模型轻量化是解决这一问题的有效方法,目前常采用模型蒸馏、剪枝方法等模型轻量化方法缓解模型对硬件设备的要求。然而,虽然轻量化的模型的推理速度得到了提升,但由于模型容量的限制,模型的检测精度较低,检测精度与推理速度之间不平衡,导致模型难以满足实际应用需求。
技术实现思路
1、本申请的主要目的在于提供一种旋转目标检测方法、装置、设备及介质,旨在解决轻量化模型的检测精度与推理速度之间不平衡,导致模型难以满足实际应用需求的问题。
2、为实现上述目的,本申请采用如下技术方案:
3、第一方面,本申请提供了一种旋转目标检测方法,所述方法包括:
4、将待检测的机载光电侦察图像输入旋转目标检测模型中;其中,所述旋转目标检测模型包括依次连接的图像输入层、骨干网络、颈部网络、检测头网络和检测结果输出层,所述骨干网络包括大核选择残差子块和前馈网络残差子块,所述大核选择残差子块包括两个依次连接的第一大核卷积层,
5、通过所述旋转目标检测模型输出所述机载光电侦察图像的检测结果。
6、在本申请可能的一实施例中,所述骨干网络采用大型选择性内核网络,所述大核选择残差子块包括依次连接的第一卷积层、第一激活层、大核选择子块和第二卷积层,所述大核选择子块包括两个所述第一大核卷积层,所述前馈网络残差子块包括依次连接的第三卷积层、深度卷积层、第二激活层和第四卷积层。
7、在本申请可能的一实施例中,所述大核选择子块还包括第一软池化层、第二软池化层和特征融合子块,位置在前的所述第一大核卷积层的输出通过所述第一软池化层连接所述特征融合子块的输入,位置在后的所述第一大核卷积层的输出通过所述第二软池化层连接所述特征融合子块的输入。
8、在本申请可能的一实施例中,所述颈部网络包括依次连接的改进的特征金字塔网络和大核多尺度注意力模块,所述大核多尺度注意力模块包括多尺度注意力模块和依次连接的两个第二大核卷积层,两个所述第二大核卷积层的输出连接所述多尺度注意力模块的输入。
9、在本申请可能的一实施例中,所述改进的特征金字塔网络采用金字塔注意力特征金字塔网络。
10、在本申请可能的一实施例中,所述通过所述旋转目标检测模型输出所述机载光电侦察图像的检测结果的步骤,包括:
11、通过所述骨干网络对所述机载光电侦察图像进行特征提取,得到目标特征图;
12、通过所述改进的特征金字塔网络获取所述目标特征图的多个语义特征图;
13、通过所述大核多尺度注意力模块对各所述语义特征图进行融合处理,得到多尺度特征图;
14、通过所述检测头网络输出所述多尺度特征图的检测结果。
15、在本申请可能的一实施例中,所述将待检测的机载光电侦察图像输入旋转目标检测模型中的步骤之前,所述方法还包括:
16、获取训练样本集;
17、构建初始模型,所述初始模型包括依次连接的输入层、骨干网络结构、颈部网络结构、检测头网络结构和输出层;
18、通过所述训练样本集对所述初始模型进行训练,得到所述旋转目标检测模型。
19、第二方面,本申请还提供了一种旋转目标检测装置,所述装置包括:
20、图像输入模块,用于将待检测的机载光电侦察图像输入旋转目标检测模型中;其中,所述旋转目标检测模型包括依次连接的图像输入层、骨干网络、颈部网络、检测头网络和检测结果输出层,所述骨干网络包括大核选择残差子块和前馈网络残差子块,所述大核选择残差子块包括两个依次连接的第一大核卷积层,所述第一大核卷积层为重参数化结构;
21、旋转目标检测模块,用于通过所述旋转目标检测模型输出所述机载光电侦察图像的检测结果。
22、第三方面,本申请还提供了一种旋转目标检测设备,包括处理器和存储器,所述存储器上存储有旋转目标检测程序,所述旋转目标检测程序被所述处理器执行时,实现如第一方面的旋转目标检测方法的步骤。
23、第四方面,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有旋转目标检测程序,所述计算机程序被一个或多个处理器执行时,实现如第一方面的旋转目标检测方法的步骤。
24、本申请提出的旋转目标检测方法,通过模型重参数化技术提取更多特征,同时利用两个重参数化结构的第一大核卷积层进行顺序分解,以减少模型的参数,达到提高旋转目标检测的检测精度及推理速度的同时,解决了模型的检测精度与推理速度之间不平衡的问题。
本文档来自技高网...【技术保护点】
1.一种旋转目标检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的旋转目标检测方法,其特征在于,所述骨干网络采用大型选择性内核网络,所述大核选择残差子块包括依次连接的第一卷积层、第一激活层、大核选择子块和第二卷积层,所述大核选择子块包括两个所述第一大核卷积层,所述前馈网络残差子块包括依次连接的第三卷积层、深度卷积层、第二激活层和第四卷积层。
3.根据权利要求2所述的旋转目标检测方法,其特征在于,所述大核选择子块还包括第一软池化层、第二软池化层和特征融合子块,位置在前的所述第一大核卷积层的输出通过所述第一软池化层连接所述特征融合子块的输入,位置在后的所述第一大核卷积层的输出通过所述第二软池化层连接所述特征融合子块的输入。
4.根据权利要求1所述的旋转目标检测方法,其特征在于,所述颈部网络包括依次连接的改进的特征金字塔网络和大核多尺度注意力模块,所述大核多尺度注意力模块包括多尺度注意力模块和依次连接的两个第二大核卷积层,两个所述第二大核卷积层的输出连接所述多尺度注意力模块的输入。
5.根据权利要求4所述的旋转目标检测方法,其
6.根据权利要求4所述的旋转目标检测方法,其特征在于,所述通过所述旋转目标检测模型输出所述机载光电侦察图像的检测结果的步骤,包括:
7.根据权利要求1至6中任一项所述的旋转目标检测方法,其特征在于,所述将待检测的机载光电侦察图像输入旋转目标检测模型中的步骤之前,所述方法还包括:
8.一种旋转目标检测装置,其特征在于,所述装置包括:
9.一种旋转目标检测设备,其特征在于,包括处理器和存储器,所述存储器上存储有旋转目标检测程序,所述旋转目标检测程序被所述处理器执行时,实现如权利要求1至7中任一项所述的旋转目标检测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有旋转目标检测程序,所述计算机程序被一个或多个处理器执行时,实现如权利要求1至7中任一项所述的旋转目标检测方法的步骤。
...【技术特征摘要】
1.一种旋转目标检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的旋转目标检测方法,其特征在于,所述骨干网络采用大型选择性内核网络,所述大核选择残差子块包括依次连接的第一卷积层、第一激活层、大核选择子块和第二卷积层,所述大核选择子块包括两个所述第一大核卷积层,所述前馈网络残差子块包括依次连接的第三卷积层、深度卷积层、第二激活层和第四卷积层。
3.根据权利要求2所述的旋转目标检测方法,其特征在于,所述大核选择子块还包括第一软池化层、第二软池化层和特征融合子块,位置在前的所述第一大核卷积层的输出通过所述第一软池化层连接所述特征融合子块的输入,位置在后的所述第一大核卷积层的输出通过所述第二软池化层连接所述特征融合子块的输入。
4.根据权利要求1所述的旋转目标检测方法,其特征在于,所述颈部网络包括依次连接的改进的特征金字塔网络和大核多尺度注意力模块,所述大核多尺度注意力模块包括多尺度注意力模块和依次连接的两个第二大核卷积层,两个所述第二大核卷积层的输出连接所述多尺度注...
【专利技术属性】
技术研发人员:陈国强,叶飞,程文明,张国财,麻斌鑫,魏振兴,
申请(专利权)人:浙江航天润博测控技术有限公司,
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。