申请/专利权人：电子科技大学

申请日：2023-12-27

公开（公告）日：2024-03-29

公开（公告）号：CN117789031A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/25;G06V10/24;G06V10/30;G06V10/26;G06V10/52;G06V10/774;G06V10/80;G06V10/82;G06N3/045;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种基于背景分离和小目标重用策略的遥感目标检测方法，以YOLOX目标检测网络作为基准模型，然后在基准模型的主干网络的后两层中嵌入定位注意模块，这样便将有效定位注意嵌入到具有更多通道的深度特征图中，并通过一维卷积操作定位对检测任务有效的通道；在此基础上，通过小目标重用策略补偿融合运算，实现弱目标信息的重用和补偿；同时通过背景分离策略分离前景和背景，突出感兴趣的特征，抑制背景噪声；最后通过三个尺度的检测头预测最终结果，这样不仅增强了目标检测网络的特征表达能力，有效提高了遥感目标检测的精度。

主权项：1.一种基于背景分离和小目标重用策略的遥感目标检测方法，其特征在于，包括以下步骤：1、构建遥感图像数据集；下载多张遥感图像，将每一张遥感图像裁剪为统一尺寸大小，然后再对每一张裁剪后的遥感图像进行数据增强处理，具体包括：随机缩放、随机裁剪、随机排布的方式进行拼接，从而得到遥感图像数据集；2、构建目标检测网络；采用YOLOX目标检测网络作为基准模型，然后在基准模型的主干网络的后两层中嵌入定位注意模块，得到改进后的主干网络，遥感图像输入至主干网络后，输出四张特征图，记为接着，主干网络的输出输入至加强特征提取模块，先进行特征加强，得到特征图F1、F2、F3、F4，再通过小目标重用和背景分离策略进行目标增强处理，最终将增强后的目标图送往检测头，得到检测结果；其中，定位注意模块包括分成水平和垂直分支；垂直分支通过1*1卷积进行通道数调整，得到垂直方向的输出；水平分支首先进行一次1*1卷积得到水平方向上的输入，接着经过通道注意力模块前后分别进行一次3*3卷积之后得到新的注意力特征图，然后与水平方向上的输入进行元素相加得到水平方向上的输出；在得到水平和垂直方向的输出之后，将两个方向的输出进行矩阵乘法，然后使用1*1的卷积进行降维，得到定位注意模块的最终输出；在加强特征提取模块中，先调用小目标重用策略，将特征图F1、F2、F3、F4与进行三幅特征图的组合，共计三组，具体组合方式为：以为例，小目标重用策略先将F2通过3*3卷积进行通道数调整，再通过Sigmoid激活函数激活后得到特征图将与F1先进行矩阵相乘，再将其结果与进行矩阵拼接操作，得到一个复合语义特征图；最后将复合语义特征图进行通道混洗和1×1的卷积运算后，得到补偿融合后的输出特征图F；同理，另外两组进行同样处理，最终得到三幅补偿融合后的输出特征图；调用背景分离策略分别对三幅补偿融合后的输出特征图进行背景分离：将输出特征图F中的边缘像素视为背景，背景部分的像素值设置为1，其他区域的像素值设置为0，得到边缘图；将边缘图与输出特征图F先进行矩阵相乘，再进行全局平均池化操作，得到背景图Bs；将背景图Bs与输出特征图F进行矩阵相减，得到初始目标图初始目标图通过置信度函数f后，得到置信度下的目标图目标图与输出特征图F进行矩阵相乘后再次与输出特征图F求和，得到最终输出的目标图Ff；同理，另外两幅补偿融合后的输出特征图进行同样处理，最终得到三幅目标图；将三幅目标图输入至检测头，从而检测出最终目标；3、训练目标检测网络；整个训练分为两个部分，前半部分采用冻结训练，即先不训练主干网络，而是对目标检测网络的其他部分进行训练，实现对目标检测网络的一个微调；后半部分采用解冻训练，即对主干网络解冻，然后对整个目标检测网络进行训练；最终，利用遥感图像数据集训练目标检测网络直至收敛，得到训练完成的目标检测网络；4、遥感目标检测；将待检测的遥感图像输入至训练完成的目标检测网络，从而直接输出检测目标。

全文数据：

权利要求：

百度查询： 电子科技大学 基于背景分离和小目标重用策略的遥感目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD