申请/专利权人：华南理工大学

申请日：2021-11-10

公开（公告）日：2024-03-29

公开（公告）号：CN114220019B

主分类号：G06V20/13

分类号：G06V20/13;G06V10/774;G06V10/764;G06V10/82;G06N3/045;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.04.08#实质审查的生效;2022.03.22#公开

摘要：本发明公开了一种轻量级沙漏式遥感图像目标检测方法及系统，包括对获取的遥感图像数据集进行预处理，划分为训练数据集、验证数据集和测试数据集；构建目标检测网络模型，所述目标检测网络模型包括轻量级沙漏式网络及特征金字塔网络；输入训练数据集遥感图像，使用轻量级沙漏式网络进行特征提取，将提取的特征输入特征金字塔网络，完成特征编码；针对编码结果得到多个候选框，并选择最优候选框作为输出得到预测值；对预测值和真实值的误差进行反向传播，完成目标检测网络模型的训练；用训练好的目标检测网络模型对测试数据集完成预测和分类。本发明对小目标检测精度高，训练的收敛速度更快。

主权项：1.一种轻量级沙漏式遥感图像目标检测方法，其特征在于，包括对获取的遥感图像数据集进行预处理，划分为训练数据集、验证数据集和测试数据集；构建目标检测网络模型，所述目标检测网络模型包括轻量级沙漏式网络及特征金字塔网络；输入训练数据集遥感图像，使用轻量级沙漏式网络进行特征提取，将提取的特征输入特征金字塔网络，完成特征编码；针对编码结果得到多个候选框，并选择最优候选框作为输出得到预测值；对预测值和真实值的误差进行反向传播，完成目标检测网络模型的训练；用训练好的目标检测网络模型对测试数据集完成预测和分类；所述轻量级沙漏式网络由多个堆叠设置的沙漏型基本模块构成各个层级；所述沙漏型基本模块构造方法如下：对于输入分别使用3*3、步长为1和3*3，步长为2的卷积核进行卷积和相应的批归一化及激活函数处理以形成两个分支，对应的输出结果分别为其中h1＝2h2，w1＝2w2，c1＝2c2；对H1进行二倍最近邻插值得到上采样结果H2的宽高与H1保持一致，由于从I到H2的过程中，特征的宽高先后经历了压缩和扩张，其变化过程仿照沙漏的形状，故称为沙漏式结构；在通道维对S1和H2进行级联，级联结果为其中c3＝c1+c2，S2同时包含了卷积前后的细粒度信息和语义信息；对于级联结果S2，使用1*1、步长为1的卷积核将其通道数压缩为c1以降低参数计算量，输出结果为S3的尺寸与I保持一致，进行后续的残差连接；使用通道注意力机制对S3的通道权重进行调整，使模型更集中于高价值的特征信息，重新赋权的结果为以像素相加的形式对S4和I进行残差连接，防止随着网络的深入导致的梯度消失问题，模块的输出结果为根据轻量级沙漏式网络各个层级设定的基本模块数，对沙漏式模块结构进行堆叠，形成主干网络的层级，同一层级模块的输入和输出尺寸保持一致；所述轻量级沙漏式网络的构造方法如下：堆叠沙漏型基本模块形成网络的一个层级；在不同的层级之间附加一个3*3、步长为2的卷积核进行卷积核和相应的批归一化及激活函数处理以调整通道数并获取更高级的语义信息，串联这些层级以形成轻量级沙漏式目标检测主干网络；所述轻量级沙漏式网络包括五个层级，分别包括1、2、4、4、2个堆叠的基本模块，且后一层级的特征宽高均为前一级的12，通道数为前一层级的2倍。

全文数据：

权利要求：

百度查询： 华南理工大学 一种轻量级沙漏式遥感图像目标检测方法及系统

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