【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及遙感圖像處理，尤其涉及面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法。
技術(shù)介紹
1、遙感圖像目標(biāo)檢測(cè)專注于精準(zhǔn)的目標(biāo)分類與定位，在軍事偵察、海上救援、環(huán)境監(jiān)測(cè)和城市規(guī)劃等領(lǐng)域中具有重要的應(yīng)用意義。得益于深度學(xué)習(xí)的迅速進(jìn)步，過去十年遙感圖像目標(biāo)檢測(cè)取得了顯著的成果。然而，典型方法在檢測(cè)微小尺寸目標(biāo)與正常尺寸目標(biāo)時(shí)存在巨大性能差異，主要因?yàn)樾∧繕?biāo)特征表示缺乏且遙感場(chǎng)景背景復(fù)雜，對(duì)現(xiàn)有方法提出了新的挑戰(zhàn)。
2、目前，深度學(xué)習(xí)算法因其具有強(qiáng)大的特征表示能力，已被廣泛應(yīng)用于遙感目標(biāo)檢測(cè)任務(wù)中。研究人員提出了多種解決方案來(lái)應(yīng)對(duì)小目標(biāo)檢測(cè)的挑戰(zhàn)，例如多尺度融合、注意力機(jī)制和超分辨率輔助。然而，基于傳統(tǒng)cnn的目標(biāo)檢測(cè)算法的性能受到cnn的內(nèi)在局部性和權(quán)重共享特性的限制。cnn的局部性削弱了特征提取器捕捉長(zhǎng)距離依賴關(guān)系的能力。此外，傳統(tǒng)的基于cnn的檢測(cè)方法需要手動(dòng)創(chuàng)建錨框或預(yù)測(cè)建議，以及非最大值抑制等復(fù)雜的后期處理技術(shù)，這會(huì)導(dǎo)致額外的計(jì)算和延遲，從而顯著影響檢測(cè)器的性能。
3、相比之下，基于transformer的檢測(cè)器detr將目標(biāo)檢測(cè)任務(wù)視為直接的集合預(yù)測(cè)問題。detr的變體因其在目標(biāo)檢測(cè)任務(wù)中的出色表現(xiàn)而迅速獲得關(guān)注。一方面，transformer具有強(qiáng)大的長(zhǎng)距離特征提取能力，可以有效捕捉遙感圖像中獨(dú)特的形狀和紋理。另一方面，transformer的端到端流水線設(shè)計(jì)消除了手動(dòng)設(shè)計(jì)的需要并減少了對(duì)后處理的依賴，從而提高了模型效率。盡管detr變體具有眾多優(yōu)勢(shì)，但研究人員在微小目標(biāo)方面仍然遇到挑戰(zhàn)
4、傳統(tǒng)方法通過通道或空間注意機(jī)制來(lái)提高特征的可分辨性，從而提高檢測(cè)性能。然而，這些傳統(tǒng)方法通常依賴于單一尺度表示，限制了它們捕捉小目標(biāo)不同尺度和復(fù)雜細(xì)節(jié)的能力，特別是在復(fù)雜背景中。這種局限性阻礙了它們的有效性，因?yàn)閱我怀叨茸⒁饬o(wú)法充分區(qū)分小目標(biāo)與其周圍環(huán)境。因此，為了獲得面向遙感圖像小目標(biāo)的高精度檢測(cè)模型，迫切需要更高級(jí)的方法，能夠有效地利用多尺度信息來(lái)增強(qiáng)特征識(shí)別，而不會(huì)產(chǎn)生大量的計(jì)算開銷。
技術(shù)實(shí)現(xiàn)思路
1、基于此，有必要針對(duì)上述技術(shù)問題，提供面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法。
2、面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，包括以下步驟：
3、獲取輸入特征，根據(jù)預(yù)設(shè)標(biāo)準(zhǔn)將所述輸入特征進(jìn)行分類，得到若干子特征；
4、獲取預(yù)設(shè)張量形狀，按照預(yù)設(shè)張量形狀將所述若干子特征分為若干組，得到子特征組；
5、獲取分支注意力提取網(wǎng)絡(luò)，以所述子特征組為輸入通過所述分支注意力提取網(wǎng)絡(luò)，得到空間注意力圖；
6、獲取增強(qiáng)網(wǎng)絡(luò)，以所述空間注意力圖為輸入通過所述增強(qiáng)網(wǎng)絡(luò)，得到增強(qiáng)目標(biāo)。
7、在其中一個(gè)實(shí)施例中，獲取輸入特征，根據(jù)預(yù)設(shè)標(biāo)準(zhǔn)將所述輸入特征進(jìn)行分類，得到若干子特征包括：
8、獲取輸入的遙感圖像，將所述遙感圖像輸入進(jìn)特征提取生成器，得到輸入特征；
9、將所述輸入特征在通道維度下分組，得到若干子特征。
10、在其中一個(gè)實(shí)施例中，還包括：
11、所述特征提取生成器為resnet50骨干特征提取器。
12、在其中一個(gè)實(shí)施例中，還包括：
13、所述預(yù)設(shè)張量形狀如下所示：
14、(c//g,h,w)
15、其中，c//g表示顏色通道的數(shù)量，h表示圖像的高度，w表示圖像的寬度。
16、在其中一個(gè)實(shí)施例中，分支注意力提取網(wǎng)絡(luò)包括：第一分支結(jié)構(gòu)、第二分支結(jié)構(gòu)和第三分支結(jié)構(gòu)；
17、所述第一分支結(jié)構(gòu)包括第一子路徑和第二子路徑，所述第一子路徑在(h,c)方向上應(yīng)用多方向注意力門，所述第二子路徑在(w,c)方向上應(yīng)用多方向注意力門；通過注意力門連接所述第一子路徑和所述第二子路徑的特征，然后將輸出分解為兩個(gè)向量，并在線性卷積上使用兩個(gè)sigmoid函數(shù)進(jìn)行擬合，從而獲得第一輸出空間注意力圖；
18、所述第二分支結(jié)構(gòu)使用3x3卷積核處理所述子特征組，得到第二輸出空間注意力圖；
19、所述第三分支結(jié)構(gòu)使用5x5卷積核處理所述子特征組，得到第三輸出空間注意力圖；
20、所述輸出空間注意力圖包括所述第一輸出空間注意力圖、所述第二輸出空間注意力圖和所述第三輸出空間注意力圖。
21、在其中一個(gè)實(shí)施例中，獲取增強(qiáng)網(wǎng)絡(luò)，以所述空間注意力圖為輸入通過所述增強(qiáng)網(wǎng)絡(luò)，得到增強(qiáng)目標(biāo)之前還包括：
22、對(duì)所述輸出空間注意力圖通過高級(jí)尺度感知注意力增強(qiáng)進(jìn)行特征強(qiáng)化，得到強(qiáng)化后的空間注意力圖：
23、f3,f4,f5＝asa(s3,s4,s5)
24、其中，所述asa()表示高級(jí)尺度感知注意力增強(qiáng)方法，s3表示第一輸出空間注意力圖，s4表示第二輸出空間注意力圖，s5表示第三輸出空間注意力圖，f3表示強(qiáng)化后的第一輸出空間注意力圖，f4表示強(qiáng)化后的第二輸出空間注意力圖，f5表示強(qiáng)化后的第三輸出空間注意力圖。
25、在其中一個(gè)實(shí)施例中，獲取增強(qiáng)網(wǎng)絡(luò)，以所述空間注意力圖為輸入通過所述增強(qiáng)網(wǎng)絡(luò)，得到增強(qiáng)目標(biāo)包括：
26、以空間注意力圖為輸入，將所述第一輸出空間注意力圖、所述第二輸出空間注意力圖和所述第三輸出空間注意力圖通過元素級(jí)乘法進(jìn)行組合；
27、所述第一輸出空間注意力圖、所述第二輸出空間注意力圖和所述第三輸出空間注意力圖的聚合特征進(jìn)行兩兩組合，通過應(yīng)用sigmoid函數(shù)得到輸出結(jié)果；
28、將所述輸出結(jié)果與所述子特征相乘得到增強(qiáng)目標(biāo)。
29、面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)系統(tǒng)，用于實(shí)現(xiàn)如上所述的面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，包括：
30、分類模塊，用于獲取輸入特征，根據(jù)預(yù)設(shè)標(biāo)準(zhǔn)將所述輸入特征進(jìn)行分類，得到若干子特征；
31、分組模塊，用于獲取預(yù)設(shè)張量形狀，按照預(yù)設(shè)張量形狀將所述若干子特征分為若干組，得到子特征組；
32、提取模塊，用于獲取分支注意力提取網(wǎng)絡(luò)，以所述子特征組為輸入通過所述分支注意力提取網(wǎng)絡(luò)，得到空間注意力圖；
33、增強(qiáng)模塊，用于獲取增強(qiáng)網(wǎng)絡(luò)，以所述空間注意力圖為輸入通過所述增強(qiáng)網(wǎng)絡(luò)，得到增強(qiáng)目標(biāo)。
34、一種設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)上述各個(gè)實(shí)施例中所述的面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法的步驟。
35、一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述各個(gè)實(shí)施例中所述的面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法的步驟。
36、相比于現(xiàn)有技術(shù)，本專利技術(shù)的優(yōu)點(diǎn)及有益效果在于：本專利技術(shù)能夠提出了一種高級(jí)尺度感知注意力增強(qiáng)方法，通過利用不同感受野的空間本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，其特征在于，所述獲取輸入特征，根據(jù)預(yù)設(shè)標(biāo)準(zhǔn)將所述輸入特征進(jìn)行分類，得到若干子特征包括：
3.根據(jù)權(quán)利要求2所述面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，其特征在于，還包括：
4.根據(jù)權(quán)利要求1所述面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，其特征在于，還包括：
5.根據(jù)權(quán)利要求1所述面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，其特征在于，所述獲取分支注意力提取網(wǎng)絡(luò)，以所述子特征組為輸入通過所述分支注意力提取網(wǎng)絡(luò)，得到空間注意力圖之前還包括：
6.根據(jù)權(quán)利要求1所述面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，其特征在于，所述分支注意力提取網(wǎng)絡(luò)包括：第一分支結(jié)構(gòu)、第二分支結(jié)構(gòu)和第三分支結(jié)構(gòu)；
7.根據(jù)權(quán)利要求1所述面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，其特征在于，所述獲取增強(qiáng)網(wǎng)絡(luò)，以所述空間注意力圖為輸入通過所述增強(qiáng)網(wǎng)
8.面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)系統(tǒng)，其特征在于，用于實(shí)現(xiàn)如權(quán)利要求1-7任一所述的面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，包括：
9.一種設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述方法的步驟。
10.一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的方法的步驟。
...【技術(shù)特征摘要】
1.面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，其特征在于，所述獲取輸入特征，根據(jù)預(yù)設(shè)標(biāo)準(zhǔn)將所述輸入特征進(jìn)行分類，得到若干子特征包括：
3.根據(jù)權(quán)利要求2所述面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，其特征在于，還包括：
4.根據(jù)權(quán)利要求1所述面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，其特征在于，還包括：
5.根據(jù)權(quán)利要求1所述面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法，其特征在于，所述獲取分支注意力提取網(wǎng)絡(luò)，以所述子特征組為輸入通過所述分支注意力提取網(wǎng)絡(luò)，得到空間注意力圖之前還包括：
6.根據(jù)權(quán)利要求1所述面向遙感圖像小目標(biāo)檢測(cè)的高級(jí)尺度感知注意力增強(qiáng)方法...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉文超，喬婷婷，陳亮，
申請(qǐng)(專利權(quán))人：北京理工大學(xué)重慶創(chuàng)新中心，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。