[发明专利]一种遥感影像的目标检测方法

权利要求书

1.一种遥感影像的目标检测方法，其特征在于：包括如下步骤：

S1：获取遥感影像后，通过残差网络对遥感影像进行特征提取；

S2：对残差网络不同阶段获得的特征图进行特征融合，得到语义信息和位置信息更丰富、平衡的特征图；

S3：在经过融合的特征图的基础上，用锚框自适应的方法得到建议候选框；

S4：对在特征图上获取的建议候选框进行汇总，然后进行分类，判断每一个建议候选框分别属于哪个类别；

S5：对S4中属于前景类别的建议候选框进行边框回归；

S6：对S5中所有建议候选框进行非极大值抑制处理，去除重复框，统一在原始影像上输出坐标点，从而得到目标在原始影像中的位置，实现目标检测。

2.根据权利要求1所述的遥感影像的目标检测方法，其特征在于，步骤S1中，所述残差网络选用ResNet或ResNeXt。

3.根据权利要求2所述的遥感影像的目标检测方法，其特征在于，所述残差网络ResNet为ResNet-50或ResNet-101。

4.根据权利要求1所述的遥感影像的目标检测方法，其特征在于，步骤S2中，提取残差网络四个阶段的最后一层特征图，对这四个特征图重新调整为256*256的分辨率大小，然后进行融合。

5.根据权利要求4所述的遥感影像的目标检测方法，其特征在于，对特征图进行融合后，进行高斯非局部注意力网络处理，起到降噪和增强特征的作用。

6.根据权利要求1所述的遥感影像的目标检测方法，其特征在于，步骤S3中，在经过融合的特征图上采用两个分支分别预测建议候选框的位置和形状，然后结合在一起得到位置稀疏而且形状可变的建议候选框。

7.根据权利要求6所述的遥感影像的目标检测方法，其特征在于，位置预测分支的目标将该问题视为一个二分类问题，不同于RPN或者segmentation的分类，这里并不是预测每个点是前景还是背景，而是预测是不是物体的中心，目标是预测那些区域应该作为中心点来生成建议候选框；形状预测分支是将该问题视为一个回归问题，在给定的建议候选框的中心点上，预测最佳的长和宽，在这里不采用传统的均方误差来作为损失函数，而是采用GIoU作为损失函数。

8.根据权利要求1中所述的遥感影像的目标检测方法，其特征在于，步骤S4中，将建议候选框输送至全连接层，判断每个建议候选框分别属于哪一个类别。

9.根据权利要求1中所述的遥感影像的目标检测方法，其特征在于，步骤S5中，采用GIoU作为损失函数，对属于前景的建议候选框进行边框回归。

10.根据权利要求9中所述的遥感影像的目标检测方法，其特征在于，边框回归的公式如下：

其中，IoU表示交并比，GIoU表示广义上的交并比，A表示为预测的建议候选框，B为正确标注的锚框，C为A和B相交的一个最小的封闭形状。