[发明专利]一种次序感知的遥感图像实例增量检测方法

权利要求书

1.一种次序感知的遥感图像实例增量检测方法，其特征在于，包括以下步骤：

获取遥感图像实例；

根据是否有真实标签，设计次序分数计算函数分别评估目标检测模型的推断结果的不确定度和不准确度，衡量新增实例内的增量学习价值和历史实例内的增量学习价值；

在对目标检测模型微调的同时使用基于次序分数加权训练损失，来平衡价值差异的训练数据的贡献。

2.根据权利要求1所述的次序感知的遥感图像实例增量检测方法，其特征在于，单个样本的不确信度，具体计算公式如下：

其中，img_i为第i张图像，为图像i中第j个预测目标的“top-1”置信度，Transform(img_i)是将img_i进行图像变换操作，并保证不能破坏图像的语义信息，uc{img_i}是计算单张图像img_i的不确定度，计算公式如下：

3.根据权利要求1所述的次序感知的遥感图像实例增量检测方法，其特征在于，所述不准确度根据预测框和真实框之间的差异来计算，具体计算公式如下：

IA(img_i)＝1-mAP50(TL_img_i，PR_img_i)

其中，img_i为第i张图像，TL(img_i)是img_i中的真实标签，PR(img_i)是img_i中的预测结果，mAP50是coco数据集的平均精度计算方法，用来计算单张图像img_i在IoU阈值0.5下的平均精度。

4.根据权利要求3所述的次序感知的遥感图像实例增量检测方法，其特征在于，根据预测结果的不确定度和不准确度来综合计算次序分数，为了权衡两者的比重，所述次序分数具体计算公式如下：

Rs(img_i)＝α*UC(img_i)+β*IA(img_i)

其中a和b为权重超参数。

5.根据权利要求1所述的次序感知的遥感图像实例增量检测方法，其特征在于，次序感知损失的计算公式如下：

Rank-awareloss(img_i)＝W(img_i，iter)*loss(img_i)

其中，loss(img_i)是img_i的原有训练损失，W(img_i，iter)为img_i在迭代次数为iter时的损失权重。

6.根据权利要求5所述的次序感知的遥感图像实例增量检测方法，其特征在于，损失权重计算公式如下：

其中，max_iter为最大迭代次数，为增量训练集的初始得分平均值。

7.根据权利要求1所述的次序感知的遥感图像实例增量检测方法，其特征在于，所述目标检测模型为Faster R-CNN。