【技術實現步驟摘要】
本申請涉及計算機視覺，特別是涉及一種遙感圖像目標檢測方法、裝置、計算機設備及存儲介質。
技術介紹
1、隨著計算機視覺領域的不斷發展，出現了faster?r-cnn(faster?r-cnn:towardsreal-time?object?detection?with?region?proposal?networks，更快的區域卷積神經網絡)目標檢測算法。采用faster?r-cnn目標檢測算法可以對遙感圖像進行目標檢測。
2、相關技術中，zf網絡(zeiler?and?fergus?network，齊勒和費格斯網絡)與vgg16網絡常作為faster?r-cnn目標檢測算法的特征提取網絡用以對輸入圖像的特征提取。rpn網絡從輸入的特征圖中生成候選區域，進而對每個候選區域進行目標檢測，對存在目標的區域進行邊框修正，以獲得更準確的目標框。roihead模塊與fast?r-cnn網絡中的目標檢測網絡一致，實現對rpn模塊所生成的每個候選框進行目標類別分類以及邊界框的精確調整。
3、在實現本申請的過程中，申請人發現相關技術至少存在以下問題：
4、遙感圖像的高分辨率可以捕捉到更多的細節信息，但待檢測目標會變小，與此同時，遙感圖像的背景可能包含多種地物和復雜的地貌特征，例如樹木、水體、山脈等。這些復雜的背景可能會干擾目標的檢測和分割，從而導致采用faster?r-cnn目標檢測算法對遙感圖像進行目標檢測的檢測準確率較低。
技術實現思路
1、有鑒于此，本申請提
2、依據本申請第一方面，提供了一種遙感圖像目標檢測方法，該方法包括：
3、獲取待檢測遙感圖像，將所述待檢測遙感圖像輸入至目標特征提取網絡，其中，所述目標特征提取網絡基于指定殘差網絡構建，所述指定殘差網絡為resnet101網絡；
4、基于所述目標特征提取網絡的目標特征提取層將所述待檢測遙感圖像映射為不同層次的高頻輸出特征圖和低頻輸出特征圖，并采用特征金字塔網絡進行特征融合，得到第一目標特征圖；
5、將所述第一目標特征圖輸入至預先構建的目標檢測框生成模塊，以使所述目標檢測框生成模塊輸出第二目標特征圖，其中，所述第二目標特征圖中標記有多個目標檢測框；
6、將所述第二目標特征圖輸入至預設分類器進行類別分類以及檢測框回歸，得到目標檢測結果。
7、可選地，所述基于所述目標特征提取網絡的目標特征提取層將所述待檢測遙感圖像映射為不同層次的高頻輸出特征圖和低頻輸出特征圖，并采用特征金字塔網絡進行特征融合，得到第一目標特征圖，包括：
8、對于所述目標特征提取層中的第一層卷積層，通過所述第一層卷積層將所述待檢測遙感圖像映射為待檢測遙感特征圖，并根據預設劃分因子，將所述待檢測遙感特征圖映射為高頻輸入特征圖和低頻輸入特征圖，以及對所述高頻輸入特征圖和所述低頻輸入特征圖進行八度卷積計算，得到所述第一層卷積層對應的高頻輸出特征圖和低頻輸出特征圖，其中，所述低頻輸入特征圖的分辨率為所述高頻輸入特征圖的四分之一，所述低頻輸入特征圖的長和寬分別為所述高頻輸入特征圖的二分之一，其中，所述第一層卷積層為頂層卷積層；
9、對于所述目標特征提取層中的第二層卷積層，通過所述第二層卷積層接收所述第一層卷積層輸出的高頻輸出特征圖和低頻數據特征圖，對所述第一層卷積層對應的高頻輸出特征圖和低頻輸出特征圖進行八度卷積計算，得到所述第二層卷積層對應的高頻輸出特征圖和低頻輸出特征圖，所述第二層卷積層為所述第一層卷積層的下一層；
10、對于所述目標特征提取層中的第三層卷積層，通過所述第三層卷積層對第二層卷積層輸出的高頻輸出特征圖和低頻輸出特征圖進行八度卷積計算，直至最后一層卷積層，得到每一層卷積層對應的高頻輸出特征圖和低頻輸出特征圖；
11、采用金字塔特征網絡對每一卷積層對應的高頻輸出特征圖和低頻輸出特征圖進行特征融合，得到所述第一目標特征圖。
12、可選地，所述通過所述第二層卷積層接收所述第一層卷積層輸出的高頻輸出特征圖和低頻數據特征圖，對所述第一層卷積層對應的高頻輸出特征圖和低頻輸出特征圖進行八度卷積計算，得到所述第二層卷積層對應的高頻輸出特征圖和低頻輸出特征圖，包括：
13、確定第一層卷積層輸出的高頻輸出特征圖和低頻輸出特征圖，對所述高頻輸出特征圖和所述低頻輸出特征圖分別進行頻率內部卷積計算，得到高頻內部卷積結果和低頻內部卷積結果；
14、對所述高頻輸出特征圖進行池化下采樣操作，得到頻率調整后的高頻輸出特征圖，基于頻率調整后的高頻輸出特征圖和所述低頻輸出特征圖進行頻率間卷積計算，得到低頻外部卷積結果；
15、對所述低頻輸出特征圖進行池化上采樣操作，得到頻率調整后的低頻輸出特征圖，基于頻率調整后的低頻輸出特征圖和所述高頻輸出特征圖進行頻率間卷積計算，得到高頻外部卷積結果；
16、對所述高頻內部卷積結果和所述高頻外部卷積結果進行點加操作，得到當前卷積層對應的高頻輸出特征圖；
17、對所述低頻內部卷積結果和所述低頻外部卷積結果進行點加操作，得到當前卷積層對應的低頻輸出特征圖。
18、可選地，所述采用金字塔特征網絡對每一卷積層對應的高頻輸出特征圖和低頻輸出特征圖進行特征融合，得到所述第一目標特征圖，包括：
19、獲取每一層卷積層對應的高頻輸出特征圖和低頻輸出特征圖，對齊所述高頻輸出特征圖和低頻輸出特征圖的分辨率進行特征融合，得到待拼接特征圖；
20、從所述頂層卷積層開始逐層采用拼接操作沿通道方向對每一層卷積層對應的待拼接特征圖進行特征融合，得到所述第一目標特征圖。
21、可選地，所述預設劃分因子為0.5。
22、可選地，所述將所述第一目標特征圖輸入至預先構建的目標檢測框生成模塊，以使所述目標檢測框生成模塊輸出第二目標特征圖，包括：
23、通過所述目標檢測框生成模塊通過旋轉區域生成網絡在所述第一目標特征圖上滑動，為每個位置生成多個旋轉錨框；
24、在全部旋轉錨框中選擇置信度高于預設閾值的旋轉錨框作為候選檢測框，并將所述候選檢測框標注在所述第一目標特征圖上，得到所述第二目標特征圖；
25、其中，所述旋轉錨框采用五元組表示，包括所述旋轉錨框的中心點坐標、所述旋轉錨框的寬度和高度、所述旋轉錨框的旋轉角度。
26、可選地，所述將所述第二目標特征圖輸入至預設分類器進行類別分類以及檢測框回歸，得到目標檢測結果，包括：
27、所述預設分類器對所述第二目標特征圖中的每個所述候選檢測框進行分類，并根據分類結果生成類別分類概率本文檔來自技高網...
【技術保護點】
1.一種遙感圖像目標檢測方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述基于所述目標特征提取網絡的目標特征提取層將所述待檢測遙感圖像映射為不同層次的高頻輸出特征圖和低頻輸出特征圖，并采用特征金字塔網絡進行特征融合，得到第一目標特征圖，包括：
3.根據權利要求2所述的方法，其特征在于，所述通過所述第二層卷積層接收所述第一層卷積層輸出的高頻輸出特征圖和低頻數據特征圖，對所述第一層卷積層對應的高頻輸出特征圖和低頻輸出特征圖進行八度卷積計算，得到所述第二層卷積層對應的高頻輸出特征圖和低頻輸出特征圖，包括：
4.根據權利要求2所述的方法，其特征在于，所述采用金字塔特征網絡對每一卷積層對應的高頻輸出特征圖和低頻輸出特征圖進行特征融合，得到所述第一目標特征圖，包括：
5.根據權利要求1所述的方法，其特征在于，所述將所述第一目標特征圖輸入至預先構建的目標檢測框生成模塊，以使所述目標檢測框生成模塊輸出第二目標特征圖，包括：
6.根據權利要求5所述的方法，其特征在于，所述將所述第二目標特征圖輸入至預設分類器進行類別分
7.根據權利要求5所述的方法，其特征在于，構建目標檢測框生成模塊，包括：
8.一種遙感圖像目標檢測裝置，其特征在于，包括：
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述方法的步驟。
10.一種存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種遙感圖像目標檢測方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述基于所述目標特征提取網絡的目標特征提取層將所述待檢測遙感圖像映射為不同層次的高頻輸出特征圖和低頻輸出特征圖，并采用特征金字塔網絡進行特征融合，得到第一目標特征圖，包括：
3.根據權利要求2所述的方法，其特征在于，所述通過所述第二層卷積層接收所述第一層卷積層輸出的高頻輸出特征圖和低頻數據特征圖，對所述第一層卷積層對應的高頻輸出特征圖和低頻輸出特征圖進行八度卷積計算，得到所述第二層卷積層對應的高頻輸出特征圖和低頻輸出特征圖，包括：
4.根據權利要求2所述的方法，其特征在于，所述采用金字塔特征網絡對每一卷積層對應的高頻輸出特征圖和低頻輸出特征圖進行特征融合，得到所述第一目標特征圖，包括：
5.根據權利...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。