[發明專利]一種基于凸包特征自適應的旋轉密集目標檢測方法

有效

• 申請號: 202110290780.8
• 申請日: 2021-03-18
• 公開（公告）號: CN113033644B
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 葉齊祥;郭宗昊;張小松;韓振軍;焦建彬
• 申請（專利權）人: 中國科學院大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/04;G06N3/08;G06T7/181;G06T7/64
• 代理公司: 北京康思博達知識產權代理事務所(普通合伙) 11426
• 代理人: 潘煒;劉冬梅

本發明公開了一種基于凸包特征自適應的旋轉密集目標檢測方法，所述方法包括訓練階段和測試階段，其中，所述訓練階段包括以下步驟：步驟1，獲得訓練圖像的特征圖；步驟2，利用特征圖獲得候選凸包分類表征；步驟3，對凸包分類表征進行優化，實現凸包生成；步驟4，獲得不同目標的候選凸包集；步驟5，實現凸包與目標之間的自適應匹配。本發明公開的基于凸包特征自適應的旋轉密集目標檢測方法，實現了最優特征自適應，緩解了特征混疊；對遙感(航空)以及密集自然場景的目標檢測具有應用價值。

技術領域

本發明屬于目標檢測與計算機視覺技術領域，具體涉及一種基于凸包特征自適應的旋轉密集檢測方法，通過對目標進行重新建模實現更簡單有效的旋轉且密集的檢測。

背景技術

近年來，視覺目標檢測取得了巨大進步，主要在于深度網絡具有豐富的特征表征和大規模數據集，可以進行預訓練。然而大多數檢測器和網絡面臨一些問題，如航空圖像中的目標是在任意方向的，并且在訓練數據集中有不同的布局，當對象呈現密集分布時，問題會更加嚴重，從而導致特征的接收場在目標之間出現特征混疊問題。

現有技術中，目標檢測的一種解決方案是特征或者候選框的增強，從而為檢測器訓練提供了多方向的特征，但是這種直觀的解決方案存在計算復雜度突增和錯誤檢測的風險；另一種解決方案是定義ROI變換器，將空間變換應用于ROI上，并在旋轉目標的監督下學習參數，從而使之能夠根據目標特征來自適應排布特征的接收場，然而如何使特征網格適應任意布局的目標仍然是未解決的問題，同時也會導致特征混疊，尤其是在目標密集排布的情況下。

因此，有必要提供一種能夠有效解決旋轉目標的定位問題及密集目標的特征混疊問題的方法。

發明內容

為了克服上述問題，本發明人進行了銳意研究，設計出一種基于凸包特征自適應的旋轉密集目標檢測方法，其主要目的是調整位于規則卷積網格上的特征以適應不規則布局的目標。具體地，將圖像中旋轉且密集的目標進行凸包特征建模，利用凸包的分類和定位損失并引入自適應抗混疊算法獲得具有強表征的、無特征混疊的凸包樣本進行網絡訓練，從而能夠在測試數據上實現良好的目標檢測效果，有效地解決了旋轉目標的定位問題以及密集目標的特征混疊問題，對遙感(航空)以及密集自然場景的目標檢測具有應用價值，從而完成了本發明。

具體來說，本發明的目的在于提供以下方面：

第一方面，提供了一種基于凸包特征自適應的旋轉密集目標檢測方法，所述方法包括訓練階段和測試階段，

其中，所述訓練階段包括以下步驟：

步驟1，獲得訓練圖像的特征圖；

步驟2，利用特征圖獲得候選凸包分類表征；

步驟3，對凸包分類表征進行優化，實現凸包生成；

步驟4，獲得不同目標的候選凸包集；

步驟5，實現凸包與目標之間的自適應匹配。

第二方面，提供了一種計算機可讀存儲介質，存儲有基于凸包特征自適應的旋轉密集目標檢測訓練程序，所述程序被處理器執行時，使得處理器執行所述基于凸包特征自適應的旋轉密集目標檢測方法的步驟。

第三方面，提供了一種計算機設備，包括存儲器和處理器，所述存儲器存儲有基于凸包特征自適應的旋轉密集目標檢測訓練程序，所述程序被處理器執行時，使得處理器執行所述基于凸包特征自適應的旋轉密集目標檢測方法的步驟。

本發明所具有的有益效果包括：

(1)本發明提供的基于凸包特征自適應的旋轉密集目標檢測方法，通過可學習的特性配置來表示不規則形狀的目標，能夠對目標進行準確分類；