一种注意力机制下基于无锚框的遥感图像旋转目标检测方法技术

本发明专利技术公开了一种注意力机制下基于无锚框的遥感图像旋转目标检测方法，属于遥感图像目标检测技术。该方法首先是对于获得的遥感图像集划分训练集和测试集，然后基于Faster Rcnn遥感图像检测网络模型进行改进，包括融合注意力机制以提高网络的特征提取能力，通过在颈部网络后添加掩码注意力模块来增强特征的表达能力；还包括基于FCOS的无锚框检测头网络思想设计AFOrpn网络提取高质量proposals。其次，模型将输入图像经过主干网络和颈部网络提取到多层特征图输入到SMAM模块通过注意力机制得到融合特征图并通过放缩操作将融合特征与原始特征进行相加，用于提高原始特征表达能力，并输入AFOrpn进行proposals的筛选，将proposals通过Rcnn检测头网络输出最终的检测结果，并根据所设计的损失函数，更新模型参数，完成模型的训练。最后利用所述训练完成的目标检测模型进行遥感图像目标检测。

【技术实现步骤摘要】

本专利技术涉及一种用于遥感图像目标检测方法，尤其涉及一种注意力机制下基于无锚框的遥感图像旋转目标检测方法。

技术介绍

1、检测任务旨在判断图像中指定目标的位置和类别信息，并用检测框将目标包围。近年来随着遥感技术的发展，遥感目标检测受到了广泛关注。通过高效地识别和定位地表上的特定目标，例如建筑、交通工具或农田，遥感目标检测为对大范围区域的全面理解提供了支持。这不仅有助于环境监测和资源管理，还在军事、紧急救援等领域发挥着关键作用。然而，由于具有特殊的视角和大范围的视野，使得遥感图像的目标类别多样、目标方向多样、目标尺度变化大等特点，导致目标检测的精度和效率等性能指标受到了极大影响。

2、受益于卷积神经网络(cnns)的崛起为目标检测提供了强大的工具，许多研究者提出了许多创新的方法和技术，并应用于遥感图像中。然而，尽管提出了多种有效的方法来处理遥感对象尺度变化和任意方向等问题，大多数现有的定向检测方法都是基于锚框(anchor)构建的，其中数千个锚框被预定义用于后续的识别和回归，这导致了因锚框而存在的正负样本不均衡、大量额外超参数、模型后处理操作计算本文档来自技高网...

【技术保护点】

1.一种注意力机制下基于无锚框的遥感图像旋转目标检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的注意力机制下基于无锚框的遥感图像旋转目标检测方法，其特征在于，所述遥感图像检测网络模型包括骨干网络、颈部网络，SMAM，AFOrpn和Rcnn检测头网络；

3.根据权利要求2所述的注意力机制下基于无锚框的遥感图像旋转目标检测方法，其特征在于，步骤S2中，遥感图像检测网络模型是基于Faster Rcnn增加监督掩码注意力以及无锚框设计实现的；

4.根据权利要求3所述的注意力机制下基于无锚框的遥感图像旋转目标检测方法，其特征在于，所述的无锚框设计是...

【技术特征摘要】

1.一种注意力机制下基于无锚框的遥感图像旋转目标检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的注意力机制下基于无锚框的遥感图像旋转目标检测方法，其特征在于，所述遥感图像检测网络模型包括骨干网络、颈部网络，smam，aforpn和rcnn检测头网络；

3.根据权利要求2所述的注意力机制下基于无锚框的遥感图像旋转目标检测方法，其特征在于，步骤s2中，遥感图像检测网络模型是基于faster rcnn增加监督掩码注意力以及无锚框设计实现的；

4.根据权利...

【专利技术属性】
技术研发人员：余凌，郝洁，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：