[發(fā)明專利]基于深度學(xué)習(xí)的遙感影像任意方向目標(biāo)檢測方法

在審

• 申請?zhí)枺?/td>: 202210759294.0
• 申請日: 2022-06-30
• 公開（公告）號: CN115115936A
• 公開（公告）日: 2022-09-27
• 發(fā)明（設(shè)計(jì)）人: 郭亮;祁文平;李亞超;熊濤;荊丹;許晴;呂艷;邢孟道
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/764;G06V10/766;G06V10/774;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 西安嘉思特知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61230
• 代理人: 萬艷艷

1.一種基于深度學(xué)習(xí)的遙感影像任意方向目標(biāo)檢測方法，其特征在于，包括：

獲取遙感影像數(shù)據(jù)集，并將其劃分為訓(xùn)練集和測試集；

對所述訓(xùn)練集進(jìn)行數(shù)據(jù)增強(qiáng)并進(jìn)行標(biāo)記；

構(gòu)建具有SAN結(jié)構(gòu)的深度學(xué)習(xí)網(wǎng)絡(luò)模型；

基于構(gòu)建的網(wǎng)絡(luò)模型設(shè)計(jì)OVAL_IOU損失函數(shù)，并利用所述訓(xùn)練集對網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

利用訓(xùn)練好的網(wǎng)絡(luò)模型對所述測試集進(jìn)行測試，得到檢測結(jié)果；

對所述檢測結(jié)果進(jìn)行后處理，得到最終的目標(biāo)位置信息。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的遙感影像任意方向目標(biāo)檢測方法，其特征在于，對所述訓(xùn)練集進(jìn)行數(shù)據(jù)增強(qiáng)，并進(jìn)行標(biāo)記包括：

將所述訓(xùn)練集的數(shù)據(jù)切割成合適的尺寸并對其進(jìn)行數(shù)據(jù)增強(qiáng)；

采用OpenCV表示法對訓(xùn)練集中的目標(biāo)框進(jìn)行標(biāo)記；

將OpenCV表示法轉(zhuǎn)化為長邊表示法，則訓(xùn)練集中的目標(biāo)框標(biāo)記為：

{x_c,y_c,w_l,h_l,θ_l}；

其中，(x_c,y_c)是目標(biāo)框的中心坐標(biāo)，w表示x軸順時(shí)針旋轉(zhuǎn)碰到的第一條邊，h為相鄰的另一邊，w_l＞＝h_l，θ為旋轉(zhuǎn)經(jīng)過的角度，θ∈(0°,90°]，θ_l表示x軸順時(shí)針旋轉(zhuǎn)到w_l經(jīng)過的角度，θ_l∈(0°,180°]。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的遙感影像任意方向目標(biāo)檢測方法，其特征在于，構(gòu)建具有SAN結(jié)構(gòu)的深度學(xué)習(xí)網(wǎng)絡(luò)模型包括：

采用darknet53作為主干特征提取網(wǎng)絡(luò)搭建深度學(xué)習(xí)網(wǎng)絡(luò)框架，其包括特征提取模塊、SAN模塊、特征融合模塊以及特征整合模塊；其中，

所述特征提取模塊以待檢圖像作為輸入，經(jīng)過特征提取后，輸出特征圖至SAN模塊；

所述SAN模塊用于對特征提取模塊輸出的特征圖進(jìn)行特征增強(qiáng)，并輸出增強(qiáng)的特征圖至特征融合模塊；

所述特征融合模塊用于根據(jù)注意力模塊輸出的特征圖，將語義信息豐富的深層特征上采樣并與輪廓信息豐富的淺層特征進(jìn)行融合，得到融合特征；

所述特征整合模塊用于對所述融合特征進(jìn)行特征整合，得到不同尺度的檢測結(jié)果。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的遙感影像任意方向目標(biāo)檢測方法，其特征在于，所述SAN模塊包括CAM模塊和S-SAM模塊，以從不同角度對特征圖進(jìn)行權(quán)重劃分，從而實(shí)現(xiàn)特征增強(qiáng)。

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的遙感影像任意方向目標(biāo)檢測方法，其特征在于，所述損失函數(shù)為：

Loss＝L_conf+L_cls+L_attention+L_reg

其中，L_conf表示置信度損失，L_cls表示類別損失，L_attention表示注意力損失，L_reg表示位置回歸損失。

6.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的遙感影像任意方向目標(biāo)檢測方法，其特征在于，所述置信度損失L_conf的計(jì)算公式為：

其中，N表示所有預(yù)測框的數(shù)量；表示第k個(gè)預(yù)測框內(nèi)是否有目標(biāo)，有為1，否則為0；表示第k個(gè)預(yù)測框內(nèi)是否沒有目標(biāo)，沒有為1，否則為0；p_k表示第k個(gè)預(yù)測框中含有目標(biāo)的概率，y_k表示第k個(gè)預(yù)測框中是否有目標(biāo)的標(biāo)簽值，y_k＝1表示有目標(biāo)，y_k＝0表示沒有目標(biāo)；BCE為交叉熵?fù)p失函數(shù)。

7.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的遙感影像任意方向目標(biāo)檢測方法，其特征在于，所述類別損失L_cls的計(jì)算公式為：

其中，N表示所有預(yù)測框的數(shù)量，為二進(jìn)制值，表示第n個(gè)預(yù)測框中包含目標(biāo)，表示第n個(gè)預(yù)測框中不包含目標(biāo)，BCE為交叉熵?fù)p失函數(shù)，p_n(c)表示第n個(gè)預(yù)測框?yàn)榈赾類的概率，t_n(c)為對應(yīng)的標(biāo)簽值。