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】
本专利技术涉及图像数据提取和识别,具体为一种基于特征增强的遥感图像目标检测方法、系统和设备。
技术介绍
1、通过对遥感图像进行图像数据提取和识别,将识别结果发送至车辆信息系统进行车辆导航行驶和交通指挥,给自动驾驶和智能交通提供了极大的便利。
2、然而遥感图像中的目标尺寸往往较小,特征表达能力较弱,仅仅基于其表观特征很难进行目标物的准确识别。基于深度学习的目标检测算法,可以提高遥感图像中的目标特征表达能力,然而在基于深度学习的目标检测算法,双阶段目标检测算法,对于图像上下文信息的提取能力不足,检测速度不仅慢,而且检测结果准确度较低;单阶段目标检测算法的检测速度虽然快,但容易忽略遥感图像中目标物的背景信息,导致检测结果准确度依然较低。
技术实现思路
1、为解决遥感图像目标检测过程中检测结果准确度较低的问题,本专利技术提供了一种基于特征增强的遥感图像目标检测方法、系统和设备。
2、本专利技术技术方案如下:
3、一种基于特征增强的遥感图像目标检测方法,包括如下操作:
4、s1、获取待检遥感图像,待检遥感图像经感受野扩大处理,得到感受野增强遥感图像;感受野扩大处理的操作为:待检遥感图像经不同卷积核大小的卷积处理,得到多卷积遥感图;多卷积遥感图像经拼接处理后,进行通道注意力处理,得到通道注意力图;通道注意力图,分别与多卷积遥感图中每个卷积遥感图经逐元素相乘后,进行逐元素相加,得到卷积通道融合图;卷积通道融合图与待检遥感图像经融合处理,得到感受野增
5、s2、感受野增强遥感图像经不同通道维度特征提取,得到多通道维度特征图;多通道维度特征图,经以非最大通道维度对应随机通道维度特征图为目标图的特征融合处理,和多层卷积处理,得到低维特征图;低维特征图与多通道维度特征图经第一全局融合处理,得到低维通道全局图;低维通道全局图,经以最大通道维度对应随机通道维度特征图为目标图的特征融合处理,和多头注意力机制处理,得到多头注意力特征图;多头注意力特征图经前馈神经网络处理后,与多头注意力特征图经拼接处理和归一化处理,得到高维特征图;高维特征图和低维通道全局图经第二全局特征融合,得到全局增强特征图;
6、s3、全局增强特征图经边界框回归和边界框分类处理,得到一个区域含有多个检测框,每个检测框上含有多种分类类型和对应分类概率的分类结果图;将分类结果图中,同一检测区域内置信度最高的检测框,作为对应区域的检测结果;所有区域的检测结果,形成了遥感图像目标检测结果。
7、s2中,以非最大通道维度对应随机通道维度特征图为目标图的特征融合处理的操作为:从多通道维度特征图中,随机选取一个非最大通道维度对应的通道维度特征图,作为目标通道维度特征图;将剩余通道维度特征图的通道维度大小调整至目标通道维度特征图的通道维度大小相同后,与目标通道维度特征图进行拼接处理,得到低维拼接图,用于执行s2中多层卷积处理的操作。
8、第一全局融合处理的操作具体为:多通道维度特征图中,最大通道维度对应的通道维度特征图,经下采样处理,得到第一通道图;第一通道图,与多通道维度特征图中非最小通道维度对应的通道维度特征图,以及低维特征图,经注入处理,得到第二通道图;第二通道图经下采样处理,得到第二下采样通道图;低维特征图,与多通道维度特征图中非最大通道维度对应的通道维度特征图,以及第二下采样通道图,经注入处理,得到第三通道图;第一通道图、第二通道图和第三通道图,形成了低维通道全局图。
9、s2中,以最大通道维度对应随机通道维度特征图为目标图的特征融合处理的操作为:低维通道全局图中,通道维度非最大的第二通道图和第三通道图分别经平均池化处理后,与通道维度最大的第一通道图,进行拼接处理,得到高维拼接图,用于执行s2中多头注意力机制处理的操作。
10、s2中,第二全局特征融合的操作为:高维特征图与第二通道图和第三通道图经注入处理,得到第五通道图;高维特征图与第一通道图和第五通道图经注入处理,得到第六通道图;第六通道图与第五通道图和第三通道图经融合处理,得到全局增强特征图。
11、注入处理的操作为:从多个输入特征中随机选取一个输入特征作为目标输入特征,将剩余输入特征的通道维度大小调整至目标输入特征的通道维度大小相同后,与目标输入特征进行拼接处理,得到第一特征;从多个输入特征中随机选取一个输入特征,进行卷积处理、非线性处理、平均池化处理或双线性处理后,与第一特征进行逐元素相乘,得到第二特征;剩余输入特征分别经卷积处理和平均池化处理或双线性处理后,与第二特征和第一特征经逐元素相加,得到注入处理的输出结果。
12、s1中通道注意力处理的操作为:多卷积遥感图像经拼接处理后得到的拼接卷积遥感图像,分别经平均池化和最大池化处理后,进行融合处理和非线性处理,得到通道注意力图。
13、一种基于特征增强的遥感图像目标检测系统,包括:
14、感受野增强遥感图像生成模块,用于获取待检遥感图像,待检遥感图像经感受野扩大处理,得到感受野增强遥感图像;感受野扩大处理的操作为:待检遥感图像经不同卷积核大小的卷积处理,得到多卷积遥感图;多卷积遥感图像经拼接处理后,进行通道注意力处理,得到通道注意力图;通道注意力图,分别与多卷积遥感图中每个卷积遥感图经逐元素相乘后,进行逐元素相加,得到卷积通道融合图;卷积通道融合图与待检遥感图像经融合处理,得到感受野增强遥感图像;
15、全局增强特征图生成模块,用于感受野增强遥感图像经不同通道维度特征提取,得到多通道维度特征图;多通道维度特征图,经以非最大通道维度对应随机通道维度特征图为目标图的特征融合处理,和多层卷积处理,得到低维特征图;低维特征图与多通道维度特征图经第一全局融合处理,得到低维通道全局图;低维通道全局图,经以最大通道维度对应随机通道维度特征图为目标图的特征融合处理,和多头注意力机制处理,得到多头注意力特征图;多头注意力特征图经前馈神经网络处理后,与多头注意力特征图经拼接处理和归一化处理,得到高维特征图;高维特征图和低维通道全局图经第二全局特征融合,得到全局增强特征图;
16、遥感图像目标检测结果生成模块,用于全局增强特征图经边界框回归和边界框分类处理,得到一个区域含有多个检测框,每个检测框上含有多种分类类型和对应分类概率的分类结果图;将分类结果图中,同一检测区域内置信度最高的检测框,作为对应区域的检测结果;所有区域的检测结果,形成了遥感图像目标检测结果。
17、一种基于特征增强的遥感图像目标检测设备,包括处理器和存储器,其中,处理器执行存储器中保存的计算机程序时实现上述的基于特征增强的遥感图像目标检测方法。
18、一种计算机可读存储介质,用于存储计算机程序,其中,计算机程序被处理器执行时实现上述的基于特征增强的遥感图像目标检测方法。
19、本专利技术的有益效果在于:
20、本专利技术提供的一种基于特征增强的遥感图像目标检测方法,首先,将待检遥感图像进行感本文档来自技高网...
【技术保护点】
1.一种基于特征增强的遥感图像目标检测方法,其特征在于,包括如下操作:
2.根据权利要求1所述的基于特征增强的遥感图像目标检测方法,其特征在于,所述S2中,以非最大通道维度对应随机通道维度特征图为目标图的特征融合处理的操作为:
3.根据权利要求2所述的基于特征增强的遥感图像目标检测方法,其特征在于,所述第一全局融合处理的操作具体为:
4.根据权利要求1所述的基于特征增强的遥感图像目标检测方法,其特征在于,所述S2中,以最大通道维度对应随机通道维度特征图为目标图的特征融合处理的操作为:
5.根据权利要求1所述的基于特征增强的遥感图像目标检测方法,其特征在于,所述S2中,第二全局特征融合的操作为:
6.根据权利要求4或5所述的基于特征增强的遥感图像目标检测方法,其特征在于,所述注入处理的操作为:
7.根据权利要求1所述的基于特征增强的遥感图像目标检测方法,其特征在于,所述S1中通道注意力处理的操作为:
8.一种基于特征增强的遥感图像目标检测系统,其特征在于,包括:
9.一种基于特征增强的遥
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的基于特征增强的遥感图像目标检测方法。
...【技术特征摘要】
1.一种基于特征增强的遥感图像目标检测方法,其特征在于,包括如下操作:
2.根据权利要求1所述的基于特征增强的遥感图像目标检测方法,其特征在于,所述s2中,以非最大通道维度对应随机通道维度特征图为目标图的特征融合处理的操作为:
3.根据权利要求2所述的基于特征增强的遥感图像目标检测方法,其特征在于,所述第一全局融合处理的操作具体为:
4.根据权利要求1所述的基于特征增强的遥感图像目标检测方法,其特征在于,所述s2中,以最大通道维度对应随机通道维度特征图为目标图的特征融合处理的操作为:
5.根据权利要求1所述的基于特征增强的遥感图像目标检测方法,其特征在于,所述s2中,第二全局特征融合的操作为:
6.根据权...
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。