[發明專利]一種基于關鍵點的藍頂房檢測方法

在審

• 申請號: 202011204133.2
• 申請日: 2020-11-02
• 公開（公告）號: CN112270278A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 李嫄源;羅柳;朱智勤;李鵬華;李朋龍;丁憶
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/42;G06N3/04;G06T5/50;G06T7/33;G06T7/73
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 楊柳岸

1.一種基于關鍵點的藍頂房檢測方法，其特征在于：該方法包括以下步驟：

1)收集藍頂房的訓練數據，將圖像裁剪為特定大小；

2)將圖像輸入特征提取網絡提取特征；

3)左上角點和右下角點同步預測出角點的位置和向心位移，并根據位移的對齊情況匹配角點；

4)使用交叉點可變形卷積模塊改善向心位移的生成，從角到相應中心的偏移中學習，進行特征適應，豐富角點位置的視覺特征；

5)通過中心點的匹配確定同一邊界框的左上，右下坐標；

6)端到端的聯合訓練的到藍頂房的檢測模型，將待測試的遙感圖像輸入模型，最終輸出藍頂房檢測結果。

2.根據權利要求1所述的一種基于關鍵點的藍頂房檢測方法，其特征在于：所述交叉點可變形卷積由指導偏移和偏移場兩部分組成，指導偏移將角池化的輸出嵌入到特征映射中，由指導偏移引導從角到中心的位置，引導非角點向邊緣處偏移。

3.根據權利要求1所述的一種基于關鍵點的藍頂房檢測方法，其特征在于：所述特征提取網絡提取的特征圖采用角池化的方式將水平方向上和垂直方向上的特征圖進行融合，得到新的特征圖。

4.根據權利要求1所述的一種基于關鍵點的藍頂房檢測方法，其特征在于：所述3)具體為：a)骨干網絡提取的特征圖采用角池化，即分別做水平方向和垂直方向的最大池化得到兩個方向的特征圖，將兩個方向上的特征圖進行融合，得到新的特征圖；

b)通過角點預測模塊，預測出每一個關鍵點屬于什么類別，高斯化角點的真實標簽構建要回歸的角點熱力圖，讓網絡輸出回歸該熱力圖從而學習預測角點位置，角點預測過程中的損失如下：

其中，p_cij表示預測的角點在類別表示為c的(i,j)位置的值，y_cij表示對應位置的真實標簽，H和W表示特征圖的高和寬，N表示角點的數量，λ和μ表示用來控制權重的參數；

c)特征調節模塊：經過角池化后會產生交叉點，包含大量的目標上下文信息；為能夠獲得上下文信息，采用交叉點可變形卷積增強交叉點處的視覺特征，提取藍頂房內部信息，從角點到中心點的偏移中來產生偏移場，進行特征調節；

交叉點可變形卷積由指導偏移和偏移場兩部分組成，指導偏移將角池化的輸出嵌入到特征映射中，由指導偏移引導從角到中心的位置，引導非角點向邊緣處偏移，指導偏移損失計算為：

其中，L表示SmoothL1損失，δ表示指導偏移，公式為：

(x_中，y_中)、(x_左上，y_左上)、(x_右下,y_右下)表示真實邊界框的中心坐標、左上角點坐標、右下角點坐標，表示預測邊界框的中心坐標、左上角點坐標、右下角點坐標，s表示縮放因子；

偏移場將角池化后得到的角點信息與引導偏移后的偏移信息融合，該偏移場包含邊界框的形狀與方向信息，可以引導角點和向心偏移生成相應其中方向信息的中心點。

5.根據權利要求4所述的一種基于關鍵點的藍頂房檢測方法，其特征在于：所述4)具體為：向心偏移模塊預測角點的向心偏移，并匹配角點對，使用經過交叉點可變形卷積調節之后的特征預測每個角點的向心偏移，接著結合角點位置，完成角點的匹配，得到檢測目標的物體邊界框，對于一個邊界框：

b＝(x_左上，y_左上，x_右下，y_右下)

它的幾何中心為：

左上角和右下角的向心偏移表示為：

在真實角點處的損失為：

其中，f_左上、f_右下表示左上角和右下角真實標注框的向心位移，分別表示候選框的向心位移，L表示SmoothL1損失。

6.根據權利要求5所述的一種基于關鍵點的藍頂房檢測方法，其特征在于：所述5)具體為：心偏移模塊的預測邊界框作為區域建議，結合各部分損失得到最終目標函數

L＝L₁+L₂+L₃

進行聯合訓練優化，經過多次訓練迭代后，用訓練好的網絡進行藍頂房檢測，得到藍頂房檢測結果。