[发明专利]一种基于深度学习的遥感图像目标检测方法

权利要求书

1.一种基于深度学习的遥感图像目标检测方法，其特征在于，所述方法包括：

以遥感图像作为输入，使用特征金字塔网络提取不同尺度的特征图；

构建自底向上的细粒度增强模块，用于底层特征向上传递、与上层特征逐层融合，实现自底向上加强细粒度信息、优化目标定位；

在细粒度信息的基础上获取检测框位置的初步预测，确定初步预测框的位置；使用卷积网络搭建预测头，将不同尺度的对齐特征送入并行的分类支路和回归支路进行预测；

构建具有角度周期约束的方向敏感回归损失函数，对Smooth_l1 loss回归损失进行修正，获得更接近真实框的预测值，进而构建网络优化的总体损失，训练基于深度学习的遥感图像目标检测网络；

其中，所述自底向上的细粒度增强模块具体为：

在第i层，以更低一层的增强后特征和对应尺寸的FPN特征F_i作为输入，输出该层细粒度增强特征通过卷积对进行下采样以适应F_i尺寸；

通过逐像素相加进行初步的特征融合，通过使用注意力模块来学习两种特征的最佳融合权重，实现最终的特征融合；

其中，所述细粒度增强模块表示如下：

其中，C_a表示兼顾了全局注意力和局部注意力的注意力学习模块，表示逐像素点相加，τ表示一个步长为2的3×3卷积，用于降低较底层特征的分辨率，表示逐像素点相乘；

通过迭代使用细粒度增强模块，得到细粒度增强特征

其中，所述具有角度周期约束的方向敏感回归损失函数为：

其中，θ表示预测框旋转角度，θ_gt是真值旋转角度，j和j_gt分别表示旋转框预测参数和其对应的真实值，k表示权重系数。