一种面向开放世界的遥感目标检测方法技术

本发明专利技术提供一种面向开放世界的遥感目标检测方法，为了实现对遥感图像中未知新类的可靠性判读，本发明专利技术采用的方案为构建由CNN特征提取和Transformer模块构建的Deformable DETR基准模型网络；基准模型固定预测目标个数并采用匈牙利匹配机制对预测目标和真实目标进行一一匹配，同时计算未匹配的预测目标的伪标签分数，并分配伪标签，同时进行开集性能训练，针对遥感目标，提出角点检测和均值漂移聚类模块，以改善伪标签选取机制，为网络训练提供更精准的伪标签。采用本法的方法，可以显著提高未知类的检出能力，并不会牺牲已知类的检测能力，具有良好鲁棒性。

【技术实现步骤摘要】

本专利技术属于目标检测，主要涉及一种遥感目标检测方法。

技术介绍

1、目标检测作为图像视觉领域的一项关键任务，其核心目的是精确地定位和识别图像中出现的感兴趣的目标。在遥感图像领域，目标检测的重要性体现在能够自动化地定位并分类俯瞰视角下车辆、船舰、飞机、建筑等战略目标，广泛应用于军事和民用领域。近年来，由于深度学习技术的发展，卷积神经网络可以做到自动学习图像特征，有效捕获目标语义信息和上下文关系，提高目标检测的准确性和性能。由此，遥感图像目标检测采用深度学习算法为主流框架，包括以fast r-cnn为代表的两阶段目标检测算法和以yolo为代表的单阶段检测网络。但是上述的遥感目标检测算法仍以闭集定位、判决为主，即训练集中的类别和测试集中的类别是一致的，不包含对开放世界中出现的未知新型目标的判读。

2、在开放动态环境中，传感器会源源不断地捕获到新的目标类型，在训练模型之前，不可能收集到与未来任务相关的所有类别的训练样本标签。若继续采用闭集检测模型，鉴于先验知识的不足，开放世界中的未知新类会被其错误分类为训练集中的目标类别之一，甚至直接判断为背景，造成本文档来自技高网...

【技术保护点】

1.一种面向开放世界的遥感目标检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种面向开放世界的遥感目标检测方法，其特征在于：所述步骤1中CNN特征提取模块还可以为残差网络ResNet18、ResNet34或ResNet101。

3.根据权利要求1所述的一种面向开放世界的遥感目标检测方法，其特征在于：所述步骤3.4中，α的取值为0.04。

4.根据权利要求1所述的一种面向开放世界的遥感目标检测方法，其特征在于：所述步骤3.4中，角点坐标筛选步骤为：

5.根据权利要求1所述的一种面向开放世界的遥感目标检测方法，其特征在于：所述步...

【技术特征摘要】

1.一种面向开放世界的遥感目标检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种面向开放世界的遥感目标检测方法，其特征在于：所述步骤1中cnn特征提取模块还可以为残差网络resnet18、resnet34或resnet101。

3.根据权利要求1所述的一种面向开放世界的遥感目标检测方法，其特征在于：所述步骤3.4中，α的取值为0.04。

4.根据权利要求1所述的一种面向开放世界的遥感目标检测方法，其特征在于：所述步骤3.4中，角点坐标筛选步骤为：

5.根据权利要求1所述的一种面向开放世界的遥感目标检测方法，其特征在于：所述步骤3中角点坐标检测方法还可以为：shi-tomasi角点检测算法、features fromaccelerated segment test角点检测算法、scale-invariant feature transform角点检测算法、speeded-up robust features角点检测算法或者oriented fast an...

【专利技术属性】
技术研发人员：党思航，李晓哲，冯晓毅，蒋晓悦，夏召强，孙逸霏，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：