[发明专利]一种基于深度神经网络的遥感旋转目标检测方法

权利要求书

1.一种基于深度神经网络的遥感旋转目标检测方法，其特征在于，所述方法包括以下步骤：

S1、采集遥感图像数据集，通过在全球范围内通用的遥感图像公开数据集获取数据，并对采集得到的遥感图像数据集进行预处理；

S2、读取预处理后图像数据，并采用复杂数据增强方法对数据集进行线上数据增强；

S3、通过主干提取网络，将原始图像中提取的多层抽象特征输入到改进的特征金字塔模块进行处理；

S4、提取处理后图像的特征图，并通过全局信息处理模块进行处理；

S5、根据S4得到全局信息处理模块的结果，通过特征细化模块对特征图进行卷积处理；

S6、将各层的特征图传入旋转目标的检测器，得到网络预测结果，根据预测结果与真实样本标签对比结果，构建网络损失函数；

S7、基于损失函数最小化，通过带动量随机梯度下降算法反向传播迭代，并更新网络中训练参数的权重，以实现深度神经网络的训练。

2.根据权利要求1所述一种基于深度神经网络的遥感旋转目标检测方法，其特征在于，所述S1中对采集得到的遥感图像数据集进行预处理的方法包括以下步骤：

S1.1、获取遥感图像数据集；

S1.2、采用几何变换将原始图像进行均匀尺寸切割，其中几何变换包括裁剪、缩放、旋转、翻转；

根据公式得到切割后的图像尺寸均为1024×1024，其中S_hou(x，y)表示切割后的图像的位置信息所对应的像素点，S_qian表示原始图像，W_qian表示切割前图像的宽度，H_qian表示切割前图像的高度；

S1.3、将切割后的图像作为一个集合，记为训练样本集。

3.根据权利要求2所述一种基于深度神经网络的遥感旋转目标检测方法，其特征在于，所述S2中对读取预处理后图像数据，并采用复杂数据增强方法对数据集进行线上数据增强的方法包括以下步骤：

S2.1、根据S1.3获取切割后的训练样本集，

S2.2、获取训练样本并对所述样本进行旋转、翻转预处理操作。

4.根据权利要求3所述一种基于深度神经网络的遥感旋转目标检测方法，其特征在于，所述S3中通过主干提取网络，将原始图像中提取的多层抽象特征输入到改进的特征金字塔模块进行处理的方法包括以下步骤：

S3.1、利用预训练的残差网络作为主干网络从原始图像中提取多层抽象特征，构建特征金字塔模块；

S3.2、根据提取的多层抽象特征输入到特征金字塔模块进行处理，在特征金字塔模块中进行相邻两层间的特征融合。

5.根据权利要求4所述一种基于深度神经网络的遥感旋转目标检测方法，其特征在于，所述S4中提取处理后图像的特征图，并通过全局信息处理模块进行处理的方法包括以下步骤：

S4.1、根据S3.1得到特征金字塔模块，通过特征金字塔模块中全局信息处理模块对图像特征图进行处理；

S4.2、获取尺寸为H×W原始图像通道数卷积内核D，并以尺寸大小为1024×1024，通道数为C的特征图作为输入；

S4.3、以F∈R^H×W×C表示卷积核，M∈R^{1024×1024×C}表示输入，O∈R^R×T×D表示输出特征图，根据公式得到第j个卷积核相应输出特征映射通道,其中*代表二维卷积算子，M_：，：n表示第n个通道的尺寸为1024×1024的特征图，表示F^(j)的第j个通道尺寸为1024×1024的特征图。

S4.4、归一化处理O_：，：j，得到其中μj表示批标准化的通道平均值，σj表示批标准化的通道标准差，γj表示缩放系数，βj表示偏移量；

S4.5、根据公式得到1×k和k×1卷积核输出结果经过融合后得到的的卷积核，其中F′^(j)表示全局处理输出结果，b_j表示偏置，表示1×k卷积核的输出，表示k×1卷积核输出。