[发明专利]高分辨率遥感影像目标尺度特征的卷积神经网络检测方法

权利要求书

1.一种高分辨率遥感影像目标尺度特征的卷积神经网络检测方法，包括以下步骤：

步骤1，通过建立包含不同辐射亮度、不同尺度大小的大规模高分辨率遥感影像多目标检测数据集，对数据集中各目标尺度范围分别统计分析，及所有目标一起统计分析，获得高分辨率遥感影像中各目标尺度的最优分布范围；

步骤2，根据高分辨率遥感影像中各目标尺度分布范围覆盖的区域面积，获得高分辨率遥感影像目标检测建议框的最优尺度大小；

步骤3，根据目标建议框的最优尺度大小，设置适合高分辨率遥感影像目标检测的卷积神经网络架构，实现影像中目标检测。

2.根据权利要求1所述高分辨率遥感影像目标尺度特征的卷积神经网络检测方法，其特征在于：步骤3中，所述卷积神经网络架构包括目标区域建议网络RPN和目标分类与精确定位网络CNN，

所述目标区域建议网络RPN在特征图的每个位置生成多种目标候选区域，将目标候选区域信息传递给CNN；

所述目标分类与精确定位网络CNN使用五层卷积层提取影像目标特征图，结合目标候选区域信息和最后一层特征图，获得目标候选区域的特征向量；然后目标候选区域的特征向量被传递给感兴趣区域池化层，获得指定大小的目标候选区域特征向量；最后指定大小的特征向量被传递至全连接层，用于目标识别分类和区域坐标回归的训练和测试。

3.根据权利要求2所述高分辨率遥感影像目标尺度特征的卷积神经网络检测方法，其特征在于：感兴趣区池化层大小为7×7，感兴趣区池化层后两个全连接层均包含4096个神经元；然后目标分类层对应的全连接层包含n个神经元，目标坐标回归层包含4n个神经元，n为影像中目标的分类数，4n表示目标区域对应的n类目标x,y,w,h坐标系数；其中，x是指中心点横轴坐标，y指中心点纵轴坐标，w为目标宽度，h为目标高度。