[發(fā)明專利]一種融入語義模型的遙感圖像油罐檢測方法

有效

• 申請?zhí)枺?/td>: 201910432527.4
• 申請日: 2019-05-23
• 公開（公告）號: CN110321794B
• 公開（公告）日: 2023-02-28
• 發(fā)明（設(shè)計）人: 陳依彼;陳岑;陳建國;段明星;李肯立;李克勤;張堯?qū)W
• 申請（專利權(quán)）人: 湖南大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/764;G06V10/80;G06V10/82
• 代理公司: 深圳市中原力和專利商標事務(wù)所(普通合伙) 44289
• 代理人: 胡國良

1.一種融入語義模型的遙感圖像油罐檢測方法，其特征在于，所述方法包括以下步驟：

S1、采集數(shù)據(jù)：獲取遙感圖像樣本數(shù)據(jù)并對所述遙感圖像樣本數(shù)據(jù)進行預處理，得到預處理后的圖像；

S2、構(gòu)建模型：構(gòu)建油罐檢測模型和語義模型；

S3、模型訓練：將步驟S1所得的預處理后的圖像輸入到步驟S2構(gòu)建的油罐檢測模型中進行訓練，得到特征圖以及特征圖檢測信息，將所述預處理后的圖像分類信息建立關(guān)系，保存并建立情景知識庫，將所述情景知識庫的信息關(guān)系輸入到步驟S2構(gòu)建的語義模型中進行訓練，得到圖像情景上下文信息；及

S4、模型融合：將步驟S3所得的特征圖的檢測信息與圖像情景上下文信息進行融合，實現(xiàn)油罐檢測與圖像情景上下文信息融入。

2.根據(jù)權(quán)利要求1所述的一種融入語義模型的遙感圖像油罐檢測方法，其特征在于，在步驟S1中遙感圖像樣本數(shù)據(jù)包括遙感圖像以及預處理后的圖像，其獲取包括如下步驟：

S111、提供油罐檢測過程中獲得的遙感圖像，所述遙感圖像包括區(qū)域標注信息；

S112、對步驟S111提供的遙感圖像進行預處理，得到預處理后的圖像，目標邊框中心坐標為Tx、Ty，所述目標邊框的寬為W，所述目標邊框的高為H，分類信息為C，所述目標邊框與所述區(qū)域標注信息相對應(yīng)。

3.根據(jù)權(quán)利要求1所述的一種融入語義模型的遙感圖像油罐檢測方法，其特征在于，在步驟S2中的油罐檢測模型加載了權(quán)值文件，僅加載在batch norm層和卷積層，這些層的權(quán)值與網(wǎng)絡(luò)中對應(yīng)的層順序完全相同存儲。

4.根據(jù)權(quán)利要求3所述的一種融入語義模型的遙感圖像油罐檢測方法，其特征在于，在步驟S3中，步驟S2構(gòu)建的油罐檢測模型中的神經(jīng)網(wǎng)絡(luò)包括卷積神經(jīng)和激活函數(shù)，其中卷積神經(jīng)中的卷積層使用1*1卷積與3*3卷積級聯(lián)的方式，使用具有步幅2的卷積層來對特征圖進行下采樣，激活操作使用RELU激活函數(shù)，生成anchors操作產(chǎn)生9個矩形共有3種形狀，寬高比為width:height∈{1:1,1:2,2:1}三種，將anchors放入特征圖中與區(qū)域標注信息進行修正，計算它們之間的損失值使用檢測目標位置邊界框的分類損失函數(shù)，通過非最大抑制函數(shù)(NMS)去除不符合的邊界框，通過全連接層進行輸出；目標分類計算它們之間的損失值使用所述分類損失函數(shù)，并使用softmax函數(shù)進行輸出， 最終獲得特征圖的檢測信息中每張圖像的目標邊框為B＝{1,2,3,...,B}，分配標簽c∈C到每個目標邊框b∈B的概率為p(l|b)，將這些概率編碼成矩陣P，在這個過程中使用隨機梯度下降(SGD)對學習參數(shù)進行更新，神經(jīng)網(wǎng)絡(luò)訓練包括目標邊框檢測和目標分類檢測。

5.根據(jù)權(quán)利要求4所述的一種融入語義模型的遙感圖像油罐檢測方法，其特征在于，在步驟S3中，采用分類置信度表示檢測到的對象屬于特定類的概率，神經(jīng)網(wǎng)絡(luò)訓練期間的分類損失函數(shù)為：

l(x,y)＝L＝{l₁,...,l_N}^T

l_n＝-w_n[y_n*log x_n+(1-y_n)*log(1-x_n)]

中N代表批次數(shù)量，n代表批次序號，w為權(quán)值，y為目標值，x為輸入。

6.根據(jù)權(quán)利要求5所述的一種融入語義模型的遙感圖像油罐檢測方法，其特征在于，在步驟S3中，用于檢測目標位置邊界框的損失函數(shù)為：

l(x,y)＝L＝{l₁,...,l_N}^T

l_n＝(x_n-y_n)²

其中N為批次大小，n代表批次序號，x為輸入值，y為目標值。

7.根據(jù)權(quán)利要求6所述的一種融入語義模型的遙感圖像油罐檢測方法，其特征在于，在步驟S3中，對圖像分類信息得出概念之間的語義一致性，產(chǎn)生了一個新矩陣不同于所述矩陣P。