申请/专利权人：北京航空航天大学;北京卫星信息工程研究所

申请日：2021-09-07

公开（公告）日：2024-04-05

公开（公告）号：CN113780152B

主分类号：G06V20/54

分类号：G06V20/54;G06V20/13;G06V10/40;G06V10/80;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.12.28#实质审查的生效;2021.12.10#公开

摘要：本发明公开一种基于目标感知的遥感图像船只小目标检测方法，基于多任务学习、YOLOv5、特征金字塔、多头注意力、超分辨重建等方法，具体步骤如下：一、读入图像数据并进行预处理；二、构造基于目标感知的多任务深度神经网络；三、训练卷积神经网络，得到静态模型参数；四、利用去除目标感知分支后的训练好的模型进行遥感图像目标检测。本发明通过设计一种新型的基于目标感知的多任务深度学习网络，能够对低分辨率宽幅遥感图像下的船只小目标有更加优秀的检测性能，并保证实时的检测速度。输入为遥感图像，输出为船只小目标的位置信息，自动化程度高，能够大幅度提高效率、准确度并降低成本。

主权项：1.一种基于目标感知的遥感图像船只小目标检测方法，其特征在于，具体步骤如下：步骤一：计算机读取数据；首先使用计算机读取遥感图像数据；读入数据后，将图片进行数据增广；步骤二：构造基于目标感知的多任务深度神经网络；步骤三：训练卷积神经网络；如步骤二构造好网络后，在Pytorch深度学习框架下，利用带标签的训练数据对网络进行训练，直至网络达到最优，并记录此时的网络参数；步骤四：遥感图像目标检测；利用步骤三训练好的网络模型，在移出其中的目标感知分支参数后，对检测数据进行船只小目标检测，输出船只位置信息；其中，基于目标感知的多任务深度神经网络由三部分组成：骨干网络即特征提取网络、目标检测分支、目标感知分支；骨干网络即所利用的YOLOv5特征提取部分；目标检测分支紧接着骨干网络，以骨干网络中不同层提取到的特征作为输入，输出船只目标检测框的位置以及船只目标的置信度得分；在该目标检测分支中，设计了一个基于多头注意力的特征金字塔模块，在该多头注意力的特征金字塔模块的作用下，网络对遥感图像船只小目标的检测精度以及检测性能获得很大提升；目标感知分支与目标检测分支相并列，设计了一个目标感知模块，该目标感知模块首先对原始输入图像进行降质操作，使其保留船只目标区域并模糊其他区域，构造出一幅降质图像作为该分支的标签，之后该模块以骨干网络提取到的特征作为输入，通过超分辨重建网络重建拟合相应的降质图像，目标感知分支看作目标检测分支的辅助，通过利用目标感知模块，促使网络的骨干部分保留更多的船只目标信息，同时降低环境的干扰。

全文数据：

权利要求：

百度查询： 北京航空航天大学;北京卫星信息工程研究所 一种基于目标感知的遥感图像船只小目标检测方法

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