[发明专利]一种基于解耦检测头的单阶段旋转目标检测方法

权利要求书

1.一种基于解耦检测头的单阶段旋转目标检测方法，其特征在于，包括以下步骤：

S1、对遥感图像进行数据预处理；

S2、通过解耦检测头在遥感图像的旋转目标检测数据集上对旋转目标检测网络模型进行训练；

S3、通过训练好的旋转目标检测网络模型进行推理，得到旋转目标的分类结果、角度分类结果、边界框偏移量以及前景分数。

2.根据权利要求1所述的基于解耦检测头的单阶段旋转目标检测方法，其特征在于，所述步骤S1具体为：从原始图像中裁剪出一系列1024×1024图像块，图像块之间重叠了200个像素，同时将数据标签转换为长边表示法，即每个标签包括目标的中心点坐标、长边尺寸、短边尺寸以及长边与x轴的夹角。

3.根据权利要求1所述的基于解耦检测头的单阶段旋转目标检测方法，其特征在于，所述旋转目标检测网络模型通过在YOLOv5水平检测器中引入基于圆形光滑标签的角度分类模块构建。

4.根据权利要求1所述的基于解耦检测头的单阶段旋转目标检测方法，其特征在于，所述旋转目标检测网络模型包括一层用于融合通道信息的卷积层，以及三个并列的平行分支，所述平行分支由一个残差层和一个卷积层构成，其中残差层增加了网络深度，提升了网络性能。

5.根据权利要求1所述的基于解耦检测头的单阶段旋转目标检测方法，其特征在于，训练旋转目标检测网络模型的损失函数L为：

上式中，v_n′、po_n′、pc_n′和θ_n′表示边界框偏移、前景分数、类别分数和旋转角度的预测向量，v_n、po_n、pc_n和θ_n表示边界框偏移、前景分数、类别分数和旋转角度的目标向量，λ_reg、λ_obj、λ_cls和λ_angle是为了控制平衡的超参数，L_reg表示边界框预测的损失为CIoU损失，L_obj、L_cls和L_angle分别表示前景分数预测、分类、角度分类的损失，N为每张训练图中的正样本个数，n＝1,2,…,N。

6.根据权利要求1所述的基于解耦检测头的单阶段旋转目标检测方法，其特征在于，将边界框偏移量恢复为边界框坐标，恢复边界框后，基于预测的分类结果和前景分数，通过旋转非极大值抑制过滤掉重叠的多余预测边框；

将边界框坐标恢复的具体公式为：

b_x＝2σ(t_x)-0.5+c_x

b_y＝2σ(t_y)-0·5+c_y

b_w＝p_w(2σ(t_w))²

上式中，t_x、t_y、t_w、表示预测的中心点横纵偏移和长宽偏移，b_x、b_y、b_w、表示恢复后边界框的中心点横坐标、纵坐标、长和宽，c_x和c_y表示目标中心点所在网格的左上角横纵坐标，p_w和表示参考锚框的长和宽，σ表示sigmoid方程，将预测偏移量范围限制在[0,1]。