[发明专利]一种基于无锚框的遥感图像目标检测方法

权利要求书

1.一种基于无锚框的遥感图像目标检测方法，其特征在于：具体包括以下步骤：

S101：建立无锚框的遥感图像目标检测模型；所述目标检测模型包括：特征提取网络、特征金字塔和无锚框检测器；

S102：获取遥感图像，并对遥感图像进行滑动分区，分割得到小尺寸图像；

S103：将所述小尺寸图像输入到所述特征提取网络中，利用所述特征金字塔结构，得到三个不同尺度的特征图；

S104：将三个不同尺度的特征图分别输入到无锚框检测器中进行预测，得到目标预测结果；

所述无锚框检测器包括四个预测分支，分别为目标中心点预测分支、长宽预测分支、偏置预测分支和角度预测分支；

所述目标预测结果包括：目标中心点坐标、类别、长宽、中心偏置和角度；

S105：设计多指标融合的损失函数，利用所述目标预测结果和所述多指标融合的损失函数完成所述目标检测模型的训练，得到训练完成的目标检测模型；

所述多指标融合的损失函数包括：类别损失函数L_class、位置损失函数L_loc、偏置损失函数L_off和角度损失函数L_ang；

S106：利用所述训练完成的目标检测模型进行遥感图像目标检测。

2.如权利要求1所述的基于无锚框的遥感图像目标检测方法，其特征在于：步骤S102具体为：

获取遥感图像，并利用固定尺寸的滑动窗口将所述遥感图像进行滑动分区，设定不同分区之间的重叠率为a，得到分割之后的小尺寸图像。

3.如权利要求1所述的基于无锚框的遥感图像目标检测方法，其特征在于：步骤S103具体为：

所述特征提取网络包括浅层、中间层和底层；所述三个不同尺度的特征图分别为浅层特征图、中间层特征图和底层特征图。

4.如权利要求1所述的基于无锚框的遥感图像目标检测方法，其特征在于：步骤S104具体为：

将三个不同尺度的特征图分别输入至无锚框检测器的目标中心点预测分支中，得到不同特征图对应的热力图；利用所述热力图预测目标中心点，得到中心点所属目标的类别；

根据中心点的位置，将三个不同尺度的特征图分别输入至无锚框检测器的位置预测分支中，得到目标的长宽；

将三个不同尺度的特征图分别输入至无锚框检测器的偏置预测分支中，得到目标的偏置；

将三个不同尺度的特征图分别输入至无锚框检测器的角度预测分支中，得到目标角度值。

5.如权利要求1所述的基于无锚框的遥感图像目标检测方法，其特征在于：所述类别损失函数，其计算公式如式(1)：

式(1)中α_t、γ都是超参数，N是一张遥感图片中关键点的总数量，p_t表示预测的类别概率；α_t表示每个类别的权重。

6.如权利要求5所述的基于无锚框的遥感图像目标检测方法，其特征在于：所述位置损失函数，其计算公式如式(2)：

式(2)中，S为实际中心点位置，为预测的中心点位置，当预测点与重新点重合时，损失函数为零。

7.如权利要求5所述的基于无锚框的遥感图像目标检测方法，其特征在于：所述偏置损失函数，其计算公式如式(3)所示：

式(3)中，p是目标在原遥感图像上的位置，是目标在不同尺度的特征图上预测的位置，R是原遥感图像到不同尺度的特征图的下采样倍数。

8.如权利要求5所述的基于无锚框的遥感图像目标检测方法，其特征在于：所述角度损失函数，其计算公式如式(4)所示：

式(4)中，角度损失函数拟使用Smooth L1损失函数，θ为目标实际旋转角度，为预测的旋转角度。

9.如权利要求1所述的基于无锚框的遥感图像目标检测方法，其特征在于：所述多指标融合的损失函数，其计算公式如式(5)：

L_total＝L_class+λ_locL_loc+λ_offL_off+λ_angL_ang (5)

式(5)中，λ_loc、λ_off、λ_ang为权重参数。