[發明專利]一種基于目標感知的遙感圖像船只小目標檢測方法

在審

• 申請號: 202111043241.0
• 申請日: 2021-09-07
• 公開（公告）號: CN113780152A
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 史振威;田路云;陳劍奇;陳科研;劉子力;賀廣均
• 申請（專利權）人: 北京航空航天大學;北京衛星信息工程研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/36;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種基于目標感知的遙感圖像船只小目標檢測方法，其特征在于，具體步驟如下：

步驟一：計算機讀取數據；首先使用計算機讀取遙感圖像數據；讀入數據后，將圖片進行數據增廣；

步驟二：構造基于目標感知的多任務深度神經網絡；

步驟三：訓練卷積神經網絡；如步驟二構造好網絡后，在Pytorch深度學習框架下，利用帶標簽的訓練數據對網絡進行訓練，直至網絡達到最優，并記錄此時的網絡參數；

步驟四：遙感圖像目標檢測；利用步驟三訓練好的網絡模型，在移出其中的目標感知分支參數后，對檢測數據進行船只小目標檢測，輸出船只位置信息。

2.根據權利要求1所述的一種基于目標感知的遙感圖像船只小目標檢測方法，其特征在于：使用的數據來自于高分一號和高分六號衛星的寬幅相機成像數據，空間分辨率為16m，標注了共3876張512×512的圖像，讀入數據后，在訓練階段需要將圖片進行數據增廣。

3.根據權利要求1所述的一種基于目標感知的遙感圖像船只小目標檢測方法，其特征在于：基于目標感知的多任務深度神經網絡由三部分組成：骨干網絡即特征提取網絡、目標檢測分支、目標感知分支；骨干網絡即所利用的YOLOv5特征提取部分；目標檢測分支緊接著骨干網絡，以骨干網絡中不同層提取到的特征作為輸入，輸出船只目標檢測框的位置以及船只目標的置信度得分；在該目標檢測分支中，設計了一個基于多頭注意力的特征金字塔模塊，在該多頭注意力的特征金字塔模塊的作用下，網絡對遙感圖像船只小目標的檢測精度以及檢測性能獲得很大提升；

目標感知分支與目標檢測分支相并列，設計了一個目標感知模塊，該目標感知模塊首先對原始輸入圖像進行降質操作，使其保留船只目標區域并模糊其他區域，構造出一幅降質圖像作為該分支的標簽，之后該模塊以骨干網絡提取到的特征作為輸入，通過超分辨重建網絡重建擬合相應的降質圖像，目標感知分支看作目標檢測分支的輔助，通過利用目標感知模塊，促使網絡的骨干部分保留更多的船只目標信息，同時降低環境的干擾。

4.根據權利要求3所述的一種基于目標感知的遙感圖像船只小目標檢測方法，其特征在于：特征提取部分所利用的YOLOv5網絡結構共分為Encoder、Neck和Head三部分，其中Encoder即對輸入圖像進行特征提取，之后將提取到的特征輸入到Neck部分來對特征進行進一步的融合與利用，最后Head部分利用融合后的特征輸出檢測結果；其中Encoder部分即為所利用的特征提取部分。

5.根據權利要求3所述的一種基于目標感知的遙感圖像船只小目標檢測方法，其特征在于：多頭注意力的特征金字塔模塊是通過在特征金字塔中引入跨階段多頭注意力結構從而實現特征金字塔與多頭注意力的結合，使網絡能利用特征金字塔融合更豐富的語義信息，同時利用多頭注意力獲得全局感受野，適用于船只小目標人的檢測。