[發明專利]遙感圖像的目標識別方法、裝置和計算機設備

有效

• 申請號: 201910007003.0
• 申請日: 2019-01-04
• 公開（公告）號: CN109711381B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 翟佳;周嘉明;陳峰;彭實
• 申請（專利權）人: 北京環境特性研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京格允知識產權代理有限公司 11609
• 代理人: 張沫;周嬌嬌

本發明涉及一種遙感圖像的目標識別方法，其獲取訓練遙感圖像，以及，獲取與所述訓練遙感圖像對應的標準識別結果；對預設神經網絡進行優化，獲取優化神經網絡；其中，所述優化神經網絡具有至少兩個不同尺度的用于檢測圖像的感知域；根據所述訓練遙感圖像和所述標準識別結果，訓練所述優化神經網絡，得到訓練神經網絡；將待識別的遙感圖像輸入所述訓練神經網絡，得到所述遙感圖像的目標識別結果；能夠有效降低成本，并且能夠對遙感圖像實時檢測，且精度較高。

技術領域

本發明涉及計算機技術領域，特別是涉及一種遙感圖像的目標識別方法、裝置和計算機設備。

背景技術

目標檢測是計算機視覺領域一個重要且有挑戰性的問題。雖然過去的十幾年中目標檢測在自然場景已經有了較重要的成就，但在遙感圖像上卻進展緩慢。

現有的遙感圖像目標檢測方法采用一步式的目標檢測算法或旋轉變換的數據增強方式的檢測方法，成本較高，并且不能在保證目標檢測高精度的前提下，滿足對遙感圖像實時檢測的要求。

發明內容

本發明的目的在于提供一種遙感圖像的目標識別方法、裝置、計算機設備和可讀存儲介質，能夠有效降低成本，并且能夠對遙感圖像實時檢測，且精度較高。

本發明的目的通過如下技術方案實現：

一種遙感圖像的目標識別方法，所述方法包括：

獲取訓練遙感圖像，以及，獲取與所述訓練遙感圖像對應的標準識別結果；

對預設神經網絡進行優化，獲取優化神經網絡；其中，所述優化神經網絡具有至少兩個不同尺度的用于檢測圖像的感知域；

根據所述訓練遙感圖像和所述標準識別結果，訓練所述優化神經網絡，得到訓練神經網絡；

將待識別的遙感圖像輸入所述訓練神經網絡，得到所述遙感圖像的目標識別結果。

在其中一個實施例中，所述預設神經網絡為yolov3網絡。

在其中一個實施例中，所述對預設神經網絡進行優化，獲取優化神經網絡，包括：

在所述yolov3網絡結構的特征映射和輸出檢測結果之間，增加至少兩個不同尺度的用于檢測圖像的感知域，得到所述優化神經網絡。

在其中一個實施例中，所述根據所述訓練遙感圖像和所述標準識別結果，訓練所述優化神經網絡，得到訓練神經網絡，包括：

將所述訓練遙感圖像輸入所述優化神經網絡，得到訓練輸出識別結果；

對預設損失函數進行優化，得到優化損失函數；

根據所述優化損失函數、所述標準識別結果和所述訓練輸出識別結果，計算損失值；

不斷根據所述損失值調節所述優化神經網絡的參數，知道根據調節參數后的優化神經網絡得到的損失值符合預設條件，將調節參數后的優化神經網絡作為訓練神經網絡。

在其中一個實施例中，所述預設損失函數包括預設置信度損失函數；所述對預設損失函數進行優化，得到優化損失函數，包括：

調節預設置信度損失函數時的正負樣本比例，得到優化置信度損失函數。

在其中一個實施例中，所述調節置信度損失函數時的正負樣本比例，包括：

隨機抽取訓練遙感圖像的多個負樣本中預設比率的負樣本，根據訓練遙感圖像的正樣本數量和抽取后的負樣本的數量計算正負樣本比例。

在其中一個實施例中，所述預設損失函數包括預設檢測框損失函數；所述對預設損失函數進行優化，得到優化損失函數，包括：