【技术实现步骤摘要】
本申请实施例涉及旋转目标检测，特别涉及一种基于局部空间一致性先验信息的半监督旋转目标检测方法。
技术介绍
1、随着遥感技术的发展，越来越多的遥感图像被应用到各行各业。在处理大规模遥感图像时，人工识别和定位目标是一项耗时且费力的任务。通过使用旋转目标检测算法，可以自动化执行这一任务，提高处理效率，这对于监管广域范围的目标非常有用。然而，在训练全监督的旋转目标检测模型时，数据标记过程耗时、费力且昂贵。最近，半监督目标检测(semi-supervised object detection，简称：ssod)引起了越来越多的关注，模型能够从标记数据以及容易获得的未标记数据中进行学习，极大缓解了数据标记的成本问题。
2、在半监督目标检测中，如何选择和利用伪标签是一个很重要的问题。一种方法是用焦点损失代替交叉熵损失，以解决伪标签框的类别不平衡问题，并通过一个固定的高阈值过滤伪标签。然而在实际使用时，如何选择这个固定的高阈值是一个很困难的事情，过高过低都会对模型造成很大的影响。另外一种方式则是使用分类分数来自适应地加权每个伪标签框的损失，并提出利用多次框抖动计算结果的方差来选择可靠的伪标签，这种方法的问题在于多次框抖动增加了计算时间，使得模型训练缓慢，效率低下。
3、以上两种方法都是基于自然场景下的半监督目标检测所提出的，未充分考虑遥感场景下旋转目标的特性。基于此，一种建立在主流的伪标记框架的新的半监督旋转目标检测模型被设计出来。对于遥感场景中的定向对象，该模型基于它们的方向差值，利用自适应权重来正则化每个伪标签预测对之
4、然而，这种建立在主流的伪标记框架的半监督旋转目标检测模型，只是利用了遥感图像所特有的角度和全图目标分布信息约束教师模型与学生模型的预测一致性，未能充分利用遥感图像上局部空间一致性信息，这使得训练出的模型的检测精度不高。
技术实现思路
1、本申请实施例的目的在于提供一种基于局部空间一致性先验信息的半监督旋转目标检测方法，充分利用了遥感图像中局部空间一致性先验信息，提供了更多高质量的伪标签供旋转目标检测模型进行训练，大幅提升了训练出的模型的检测精度。
2、为解决上述技术问题，本申请的实施例提供了一种基于局部空间一致性先验信息的半监督旋转目标检测方法，包括以下步骤：使用教师模型对无标注图像进行预测，得到所述无标注图像中各目标对应的伪标签，保留置信度大于第一预设阈值的伪标签，得到伪标签集合；基于所述伪标签集合中置信度小于第二预设阈值的伪标签得到低置信度组，并基于所述伪标签集合中置信度大于或等于所述第二预设阈值的伪标签得到高置信度组；其中，所述第二预设阈值大于所述第一预设阈值；基于所述高置信度组中每个伪标签与所述低置信度组中每个伪标签的一致性关系，构建局部空间一致性先验条件，并将所述高置信度组中的伪标签与所述低置信度组中符合所述局部空间一致性先验条件的伪标签合并，得到候选伪标签集合；对所述候选伪标签集合中的候选伪标签进行角度校正，基于所述无标注图像和角度校正后的候选伪标签集合对学生模型进行迭代训练，并基于训练完成的学生模型的ema(exponential moving average，指数平均数指标)更新所述教师模型；将待检测图像输入至更新后的教师模型中，确定所述待检测图像中的各目标。
3、本申请的实施例还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器中存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的基于局部空间一致性先验信息的半监督旋转目标检测方法。
4、本申请的实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于局部空间一致性先验信息的半监督旋转目标检测方法。
5、本申请的实施例提供的基于局部空间一致性先验信息的半监督旋转目标检测方法，使用教师模型对无标注图像进行预测，得到无标注图像中各目标对应的伪标签，按照各伪标签的置信度，通过两个阈值的筛选，过滤掉置信度过低的伪标签，得到可用的高置信度伪标签组和低置信度伪标签组，以高置信度组为基准，利用图像中局部空间一致性先验信息，构建局部空间一致性先验条件，从低置信度组中挖掘出更多高质量的伪标签与高置信度组合并，得到候选伪标签集合，很好地提高了伪标签的完备性。随后对候选伪标签集合中的候选伪标签进行角度校正，有效提高了伪标签的质量，从而对学生模型进行迭代训练，并基于训练完成的学生模型的ema更新教师模型，将更新后的教师模型作为检测模型进行待检测图像的旋转目标检测。局部空间一致性先验信息的利用大大提升了伪标签的数量和质量，使一些被预测正确但置信度较低的目标能够加入到学生模型的训练过程中，扩充了学生模型的训练基础数据，使学生模型在训练过程中得以快速收敛，提升了模型训练的质量和速度，大幅提升了最终得到的检测模型的检测精度和检测速度。
6、在一些可选的实施例中，所述对所述候选伪标签集合中的候选伪标签进行角度校正，包括：遍历所述候选伪标签集合每个候选伪标签，在所述候选伪标签集合中确定与当前候选伪标签距离最近的目标候选伪标签；若所述目标候选伪标签的置信度大于所述当前候选伪标签的置信度，则用所述目标候选伪标签对应的角度替换所述当前候选伪标签对应的角度；若所述目标候选伪标签的置信度小于或等于所述当前候选伪标签的置信度，则保持所述当前候选伪标签对应的角度不变。除了挖掘更多的低置信度伪标签加入到模型训练之外，本申请还对这部分挖掘出的伪标签对应的角度进行了校正，使得伪标签表征的角度更加准确，从而进一步提升最终获得的检测模型的角度预测的准确度。
7、在一些可选的实施例中，所述局部空间一致性先验条件具体为局部空间一致性先验矩阵，所述基于所述高置信度组中每个伪标签与所述低置信度组中每个伪标签的一致性关系，构建局部空间一致性先验条件，包括：计算所述高置信组中每个伪标签与所述低置信度组中每个伪标签之间的距离，判定所述距离小于或等于第三预设阈值的两个伪标签表征的目标空间相邻，基于距离判定结果得到位置一致性矩阵；判断所述高置信组中每个伪标签与所述低置信度组中每个伪标签对应的类别是否相同，基于类别判定结果得到类别一致性矩阵；计算所述高置信组中每个伪标签与所述低置信度组中每个伪标签之间的角度差，判定所述角度差的绝对值小于或等于第四预设阈值的两个伪标签表征的目标角度一致，基于角度判定结果得到角度一致性矩阵；根据所述位置一致性矩阵、所述类别一致性矩阵和所述角度一致性矩阵，得到所述局部空间一致性先验矩阵。本申请使用空间位置、类别和表征角度三个方面来表征局部空间一致性先验信息，依次构建位置一致性矩阵、类别一致性矩阵和角度一致性矩阵来组成局部空间一致性先验矩阵，能够被成功挖掘出的低置信度组的伪标签，与高置信组中的伪标签表征的目标空间相邻、类别相同且表征的目标角度本文档来自技高网...
【技术保护点】
1.一种基于局部空间一致性先验信息的半监督旋转目标检测方法，其特征在于，包括：
2.根据权利要求1所述的基于局部空间一致性先验信息的半监督旋转目标检测方法，其特征在于，所述对所述候选伪标签集合中的候选伪标签进行角度校正，包括：
3.根据权利要求1至2中任一项所述的基于局部空间一致性先验信息的半监督旋转目标检测方法，其特征在于，所述局部空间一致性先验条件具体为局部空间一致性先验矩阵，所述基于所述高置信度组中每个伪标签与所述低置信度组中每个伪标签的一致性关系，构建局部空间一致性先验条件，包括：
4.根据权利要求3所述的基于局部空间一致性先验信息的半监督旋转目标检测方法，其特征在于，通过以下公式，计算所述高置信组中每个伪标签与所述低置信度组中每个伪标签之间的距离，判定所述距离小于或等于第三预设阈值的两个伪标签表征的目标空间相邻，基于距离判定结果得到位置一致性矩阵：
5.根据权利要求3所述的基于局部空间一致性先验信息的半监督旋转目标检测方法，其特征在于，通过以下公式，判断所述高置信组中每个伪标签与所述低置信度组中每个伪标签对应的类别是否相同
6.根据权利要求3所述的基于局部空间一致性先验信息的半监督旋转目标检测方法，其特征在于，通过以下公式，计算所述高置信组中每个伪标签与所述低置信度组中每个伪标签之间的角度差，判定所述角度差的绝对值小于或等于第四预设阈值的两个伪标签表征的目标角度一致，基于角度判定结果得到角度一致性矩阵：
7.根据权利要求3所述的基于局部空间一致性先验信息的半监督旋转目标检测方法，其特征在于，通过以下公式，根据所述位置一致性矩阵、所述类别一致性矩阵和所述角度一致性矩阵，得到所述局部空间一致性先验矩阵：
8.根据权利要求7所述的基于局部空间一致性先验信息的半监督旋转目标检测方法，其特征在于，通过以下公式，将所述高置信度组中的伪标签与所述低置信度组中的符合所述局部空间一致性先验条件的伪标签合并，得到候选伪标签集合：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至8中任一项所述的基于局部空间一致性先验信息的半监督旋转目标检测方法。
...【技术特征摘要】
1.一种基于局部空间一致性先验信息的半监督旋转目标检测方法，其特征在于，包括：
2.根据权利要求1所述的基于局部空间一致性先验信息的半监督旋转目标检测方法，其特征在于，所述对所述候选伪标签集合中的候选伪标签进行角度校正，包括：
3.根据权利要求1至2中任一项所述的基于局部空间一致性先验信息的半监督旋转目标检测方法，其特征在于，所述局部空间一致性先验条件具体为局部空间一致性先验矩阵，所述基于所述高置信度组中每个伪标签与所述低置信度组中每个伪标签的一致性关系，构建局部空间一致性先验条件，包括：
4.根据权利要求3所述的基于局部空间一致性先验信息的半监督旋转目标检测方法，其特征在于，通过以下公式，计算所述高置信组中每个伪标签与所述低置信度组中每个伪标签之间的距离，判定所述距离小于或等于第三预设阈值的两个伪标签表征的目标空间相邻，基于距离判定结果得到位置一致性矩阵：
5.根据权利要求3所述的基于局部空间一致性先验信息的半监督旋转目标检测方法，其特征在于，通过以下公式，判断所述高置信组中每个伪标签与所述低置信度组中每个伪标签对应的类别是否相同，基于类别...
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。