[发明专利]基于高分辨率遥感卫星影像的杆塔倒断检测模型训练方法

权利要求书

1.一种基于高分辨率遥感卫星影像的杆塔倒断检测模型训练方法，其特征在于，包括：

S1、获取若干张输入图像；

S2、通过选择性搜索法得到每张输入图像的候选区域后，计算每张输入图像上每个候选区域与对应的检测目标之间的重叠度，并将重叠度大于第一预设值的候选区域标记为第一正样本，重叠度小于以预设值的候选区域标记为第一负样本，保存至列表中每类检测目标的区域；根据候选区域的重叠度，确定第一正样本或第一负样本的信息权重值；

S3、采用列表遍历式策略从列表中抽取第一正样本和第一负样本，构成神经网络训练集，具体包括：随机抽取列表中的一类检测目标及其对应的区域，若遍历完列表中的全部类检测目标，则对列表中全部类检测目标进行洗牌；随机抽取一类检测目标对应的区域中的一个第一正样本或第一负样本，直至一类检测目标对应的区域中所有第一正样本和第一负样本被抽取完毕，构成神经网络训练集，并对一类检测目标对应的区域进行洗牌；

S4、通过ILSCRC2012数据集对卷积神经网络进行预训练，并利用神经网络训练集对卷积神经网络进行微调，直至卷积神经网络收敛，得到训练后的卷积神经网络，具体包括：将每张输入图像的候选区域标准化到预设尺寸；通过ILSCRC2012数据集对卷积神经网络进行预训练，并在预训练过程中利用抽取的第一正样本或第一负样本对应的信息权重值调整ILSCRC2012数据集中的样本数据的损失函数值；采用SGD法利用神经网络训练集对预训练的卷积神经网络进行微调，直至预训练的卷积神经网络收敛，得到训练后的卷积神经网络；

S5、将每类检测目标对应的输入图像上候选区域与检测目标之间的重叠度大于第二预设值的候选区域标记为第二正样本，重叠度小于第二预设值的候选区域标记为第二负样本，保存至每类检测目标的训练集中；

S6、利用训练后的卷积神经网络提取每类检测目标的训练集中第二正样本和第二负样本的特征向量，将第二正样本和第二负样本的特征向量作为每类检测目标的分类器的输入量中，对每类检测目标的分类器进行训练，得到每类检测目标的训练后的分类器。

2.根据权利要求1所述的基于高分辨率遥感卫星影像的杆塔倒断检测模型训练方法，其特征在于，步骤S6之后还包括：

获取若干张标记了一个检测目标真实框的输入图像；

利用训练后的卷积神经网络和训练后的分类器，得到标记了检测目标输出框的输出图像；

将标记了检测目标输出框的输出图像映射到标记了检测目标真实框的输入图像上以生成检测目标的边框回归器。