[发明专利]基于人工智能的光学遥感图像目标在线快速检测方法

权利要求书

1.一种基于人工智能的光学遥感图像目标在线快速检测方法，其特征在于，包括以下步骤：

步骤1、获取原始光学遥感图像，建立光学遥感图像目标数据集；

步骤2、搭建图像特征提取网络，并结合解码器共同构建目标快速检测网络模型；

步骤3、利用所述光学遥感图像目标数据集对目标快速检测网络模型进行训练和评估；具体为：

步骤3-1、利用COCO数据集对所述目标快速检测网络模型进行预训练，获得预训练模型；

步骤3-2、利用预训练模型初始化目标快速检测网络参数及超参数，在目标快速检测网络模型中输入训练集的图像进行前向传播，以计算目标预测信息和损失函数值；每个目标的预测信息将对应一个预测框，所述目标预测信息包括目标的位置、大小、类别和航向角；

其中，损失函数公式为：

式中，表示预测第i个分块中的第j个预测框中有目标，表示预测第i个分块中的第j个预测框中没有目标，λ_coord、λ_obj、λ_noobj、λ_θ为损失函数各部分的权重项，S表示网格单元数字，B表示每个网格单元的旋转边界框数，(x_j,y_j,w_j,h_j,θ_j)分别为预测第i个分块中的第j个检测框中目标的中心点横坐标、纵坐标、预测框宽度、预测框高度和航向角信息，分别为第i个分块中的第j个检测框中目标的中心点横坐标、纵坐标、预测框宽度、预测框高度和航向角信息的样本真值，c_j为置信度得分，是预测边界框与真实边界框的交叉部分，p_i(c)为第i个预测框所包含的物体为c类别的概率，为第i个预测框所包含的物体的类别真值；

步骤3-3、通过反向传播调整网络权重参数以减小损失函数值；

步骤3-4、重复步骤3-2～步骤3-3直至达到最大迭代次数或损失函数值达到训练目标要求；

步骤3-5、利用验证集对目标快速检测网络性能以及其在硬件平台上所占用内存进行评估；

步骤4、利用训练后的目标快速检测网络模型对待测光学遥感图像进行目标检测；具体为：

步骤4-1、对待测光学遥感图像进行分块，在此过程中需要保证每一个完整的待检测目标在某一个分块图像中；

步骤4-2、将分块图像输入至训练后的目标快速检测网络模型，获得若干个初步目标信息，并根据每个初步目标信息绘制其对应的预测框；所述初步目标信息包括目标位置、大小、类别和航向角信息；

步骤4-3、利用非极大值抑制法对预测框进行筛选，筛选后的预测框对应的初步目标信息即为待测光学遥感图像的目标信息。

2.根据权利要求1所述的基于人工智能的光学遥感图像目标在线快速检测方法，其特征在于，步骤1所述获取原始光学遥感图像，建立光学遥感图像目标数据集，具体为：

步骤1-1、从原始光学遥感图像中选取包含感兴趣区域的光学遥感图像；

步骤1-2、对包含感兴趣区域的光学遥感图像进行分块保存，获得光学遥感图像集；

步骤1-3、对每个分块图像分别进行图像预处理，并将处理前和处理后的图像均保存以扩充所述光学遥感图像集；

步骤1-4、从扩充后的光学遥感图像集中随机选取p％的分块图像作为训练集，其余分块图像作为验证集；其中，p％＞50％；

步骤1-5、获取每个分块图像中感兴趣目标的位置、大小、类别以及航向角，由这些数据和光学遥感图像集共同构成光学遥感图像目标数据集。

3.根据权利要求2所述的基于人工智能的光学遥感图像目标在线快速检测方法，其特征在于，步骤1-1所述感兴趣区域包括机场、港口以及海域；步骤1-5所述感兴趣目标包括飞机、船只。

4.根据权利要求3所述的基于人工智能的光学遥感图像目标在线快速检测方法，其特征在于，步骤1-3所述图像预处理包括图像几何变换或改变图像的对比度或改变图像的亮度或加入噪声。