[发明专利]目标检测网络的训练方法、电子设备及存储介质

说明书

本申请公开一种目标检测网络的训练方法、电子设备及存储介质，该方法包括：分别构建孪生网络和目标检测网络的网络结构；获取训练集，训练集中包括多组含有飞行器图像的交叉样本图像；根据训练集包括的交叉样本图像训练孪生网络，得到训练后的孪生网络对应的网络参数；根据网络参数和训练集包括的交叉样本图像，训练目标检测网络。本申请根据训练好的孪生网络的网络参数和训练集来训练目标检测网络。由于孪生网络的网络参数对于不同样本具有很好的鲁棒性，因此将训练好的孪生网络的网络参数作为目标检测网络的初始化参数，能够使得目标检测网络在初始状态具备较好的鲁棒性，从而训练后能够提高目标检测的准确性。

技术领域

本申请涉及图像处理技术领域，具体涉及一种目标检测网络的训练方法、电子设备及存储介质。

背景技术

随着航空航天技术、计算机技术和网络通讯技术的发展，采集遥感图像的能力不断增强，分析遥感图像已经成为一种对资源环境、城市布局、交通管理等进行研究、调研的重要手段。飞行器检测作为遥感图像检测的一个子任务，具有非常大的现实需求和应用价值。

目前，相关技术中可以通过Faster RCNN(Faster Region-based ConvolutionalNeural Networks)这一目标检测网络来检测遥感图像中的飞行器。但由于在训练FasterRCNN的过程中，相关技术只考虑了每张输入图像的目标和背景，并未充分利用不同图像之间的差异性，使得训练得到的Faster RCNN提取特征的能力不足，导致训练得到的FasterRCNN在一张图像上能检测出飞行器目标，而在另一张图像上，相同的飞行器目标却可能会出现漏检和误检的现象，目标检测的准确率有待提高。

发明内容

为解决以上问题，本申请提供一种目标检测网络的训练方法、电子设备及存储介质，根据训练好的孪生网络的网络参数和训练集来训练目标检测网络。由于孪生网络的网络参数对于不同样本具有很好的鲁棒性，因此根据训练好的孪生网络的网络参数来训练目标检测网络，能够使得目标检测网络也具备较好的鲁棒性，从而训练后能够提高目标检测的准确性。

第一方面，本申请实施例提供了一种目标检测网络的训练方法，包括：

分别构建孪生网络和目标检测网络的网络结构；

获取训练集，所述训练集中包括多组含有飞行器图像的交叉样本图像；

根据所述训练集包括的所述交叉样本图像训练所述孪生网络，得到训练后的所述孪生网络对应的网络参数；

根据所述网络参数和所述训练集包括的所述交叉样本图像，训练所述目标检测网络。

在本申请一些实施例中，所述构建孪生网络的网络结构，包括：

分别构建共享特征提取器、局部特征提取器和相似性度量模块；

将所述共享特征提取器的输出结果作为所述局部特征提取器的输入参数，将所述局部特征提取器的输出结果作为所述相似性度量模块的输入参数，得到孪生网络。

在本申请一些实施例中，所述获取训练集，包括：

获取预设数目包含飞行器图像的遥感图像；

在每个所述遥感图像中标注飞行器坐标、背景坐标及飞行器类别；

将标注后的任意两个所述遥感图像组成一组交叉样本图像，得到训练集。

在本申请一些实施例中，根据所述训练集包括的所述交叉样本图像训练所述孪生网络，得到训练后的所述孪生网络对应的网络参数，包括：

根据所述训练集包括的多组所述交叉样本图像，对所述共享特征提取器、所述局部特征提取器和所述相似性度量模块进行迭代训练；