[发明专利]一种基于无锚框的遥感图像目标检测方法

说明书

本发明提供一种基于无锚框的遥感图像目标检测方法，包括以下：建立无锚框的遥感图像目标检测模型，包括：特征提取网络、特征金字塔和无锚框检测器；获取遥感图像，并进行滑动分区，分割得到小尺寸图像；将小尺寸图像输入到特征提取网络中，利用特征金字塔结构，得到三个不同尺度的特征图；将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；设计多指标融合的损失函数，利用目标预测结果和多指标融合的损失函数完成目标检测模型的训练，得到训练完成的目标检测模型；利用训练完成的目标检测模型进行遥感图像目标检测。本发明提供的有益效果是：建立了一个超参数量少、模型复杂度低、检测精度高的遥感图像目标检测模型。

技术领域

本发明涉及目标检测领域，尤其涉及一种基于无锚框的遥感图像目标检测方法。

背景技术

现有的遥感图像目标检测方法大多采用两种方式：

(1)利用锚框对遥感图像目标进行预测，将锚框与真实框进行匹配，选择匹配度最高的锚框作为最终的预测结果；

(2)利用水平框标记遥感图像的目标，其表现形式为中心点坐标和长宽。

现有的基于预先定义的锚框检测器主要是利用生成的锚框加上偏置量去匹配目标真实框，最后预测边界框结果为匹配度最高的锚框加上中心点的偏置量。但在遥感图像上，利用锚框检测目标需要在一个亿万像素的遥感图像上的每个像素点生成多个锚框，这样会增加大量与锚框相关的超参数，导致消耗大量的计算资源和内存资源，增加模型的训练时长。并且相对于遥感图像的大尺寸，其少量的目标意味着大量的锚框被认定为负样本，导致正负样本不均衡的问题，影响模型的整体性能。另外，目前大多数算法使用的水平框检测已经满足不了遥感图像目标检测的要求，因为在遥感图像中，大多数检测目标呈现出任意方向排列，对于横纵比大或者密集排列的目标，仅仅采用水平框检测将包含过多的冗余信息，影响检测效果。

发明内容

有鉴于此，本发明主要解决了遥感图像目标检测中与锚框相关超参数过多以及目标多方向的问题，提出了一种基于无锚框的遥感图像目标检测方法。首先，利用目标边界框关键点检测代替锚框匹配边界框，提出基于无锚框的遥感图像检测方法；然后，在该模型基础上，建立一个可输出一个旋转角度的检测分支，提出旋转框代替水平框检测目标；最后结合多尺度预测对遥感图像进行目标检测，建立一个超参数量少、模型复杂度低、检测精度高的遥感图像目标检测模型。

本发明提出的一种基于无锚框的遥感图像目标检测方法，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。

进一步地，步骤S102具体为：