【技术实现步骤摘要】
本专利技术涉及可见光遥感图像目标检测及识别，尤其涉及一种基于层级知识引导的可见光遥感图像目标细粒度检测方法。
技术介绍
1、深度学习的兴起深刻改变了遥感图像的传统解译方式，相较于目视解译和传统的手工特征提取方法，现今基于旋转框的目标检测方法已经取得了更高的效率和更好的性能。随着遥感技术的不断成熟和发展，可见光遥感图像的空间分辨率不断提高，使得实现可见光遥感图像下的目标细粒度检测成为可能。但是随着目标分类层级的加深，不同子类之间相似性更大。同时，同一子类由于尺度、旋转、光照等问题，使得进行细粒度检测任务具有极大的挑战。而由于地物分布不均匀、数据采集地点的选择偏差、目标类型选择偏差等因素，不同类别的目标数量之间可能具有较大的差异，进一步加大了细粒度检测任务的难度。
2、目前的旋转目标检测方法在面对多种细粒度目标进行检测时，通常将所有的目标标签均视为同一层级的标签，且默认其之间具有同样的互斥关系，这导致了目标之间层级结构及信息的缺失，一定程度加深了模型在细粒度检测任务上性能不佳的问题。遥感图像中的典型目标大多均为人造目标，具有严格...
【技术保护点】
1.一种基于层级知识引导的可见光遥感图像目标细粒度检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于层级知识引导的可见光遥感图像目标细粒度检测方法，其特征在于，所述步骤S1具体包括：
3.根据权利要求1所述的基于层级知识引导的可见光遥感图像目标细粒度检测方法，其特征在于，所述步骤S2具体包括：
4.根据权利要求1所述的基于层级知识引导的可见光遥感图像目标细粒度检测方法，其特征在于，所述步骤S3具体包括：
5.根据权利要求4所述的基于层级知识引导的可见光遥感图像目标细粒度检测方法，其特征在于，所述步骤S4，...
【技术特征摘要】
1.一种基于层级知识引导的可见光遥感图像目标细粒度检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于层级知识引导的可见光遥感图像目标细粒度检测方法，其特征在于，所述步骤s1具体包括：
3.根据权利要求1所述的基于层级知识引导的可见光遥感图像目标细粒度检测方法，其特征在于，所述步骤s2具体包括：
4.根据权利要求1所述的基于层级知识引导的可见光遥感图像目标细粒度检测方法，其特征在于，所述步骤s3具体包括：
5.根据权利要求4所述的基于层级知识引导的可见光遥感图像目标细粒度检测方法，其特征在于，所述步骤s4，对相邻层级的特征进行特征融合，具体包括：
6.根据权利要求5所述的基于层级知识引导的可见光遥感图像...
【专利技术属性】
技术研发人员：张拯宁，杨云超，冯鹏铭，陈元伟，贺广均，张泽根，上官博屹，梁颖，刘斌霄，
申请(专利权)人：北京卫星信息工程研究所，
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。