【技术实现步骤摘要】
本申请涉及遥感图像检测领域，具体而言，涉及一种遥感图像的小目标检测方法、装置、设备和存储介质。
技术介绍
1、目前，深度学习技术已经成为自动驾驶、机器人等场景广泛应用的基础，但在无人机卫星等遥感图像中密集小目标的检测仍然面临挑战。相较于正常尺度的目标，小目标检测性能存在明显差距，主要原因有两点：1)神经网络模型对原始图像的缩放操作会导致小目标的特征丢失；2)神经网络模型中的下采样操作削弱了小目标的特征，使其易受背景噪声的污染。
2、为了改善小目标和密集区域的检测性能，一般会采用通过放大输入图像的尺寸或减少cnn的下采样率的方法保持高分辨率特征图。然而，单纯增加特征图的分辨率会带来巨大的计算成本。
3、此外，为了充分利用遥感图像的高分辨率特征并减少信息损失，也可以采用将输入图像裁剪成统一的块(补丁)，然后通过上采样对高分辨率的补丁进行目标检测的方法。但遥感图像中目标通常呈现稀疏、不均匀的特点，大量无关的背景信息会导致图像解译任务中存在大量冗余计算。因此，这种方法虽然有助于提高精度，但裁剪操作会引入额外的时间开销，不...
【技术保护点】
1.一种遥感图像的小目标的检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，构建目标检测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述骨干网络具有多个层，每个层均能够输出特征图，所述骨干网络的层数越高，该层输出的特征图的分辨率越低；
4.根据权利要求2所述的方法，其特征在于，对所述目标检测模型进行训练，包括：
5.根据权利要求4所述的方法，其特征在于，获取所述特征图上的小目标和密集遮挡小目标的标注信息，包括：
6.根据权利要求4所述的方法，其特征在于，基于所述标注信息，获取...
【技术特征摘要】
1.一种遥感图像的小目标的检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，构建目标检测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述骨干网络具有多个层，每个层均能够输出特征图，所述骨干网络的层数越高，该层输出的特征图的分辨率越低；
4.根据权利要求2所述的方法，其特征在于，对所述目标检测模型进行训练，包括：
5.根据权利要求4所述的方法，其特征在于，获取所述特征图上的小目标和密集遮挡小目标的标注信息，包括：
6.根据权利要求4所述的方法，其特征在于，基于所述标注信息，获取所述特征图对应的掩膜和所述掩膜的像素值，包括：
7.根据权利要求1...
【专利技术属性】
技术研发人员：刘伟，晏焕钱，朱军，张磊，苏航，刘景刚，杨哲，
申请(专利权)人：启元实验室，
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。