一种基于密集连接与特征增强的遥感图像目标检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112818777A(43)申请公布日2021.05.18(21)申请号202110079059.4(22)申请日2021.01.21(71)申请人上海电力大学地址200090上海市杨浦区平凉路2103号(72)发明人王道累杜文斌朱瑞韩清鹏袁斌霞张天宇孙嘉珺李明山(74)专利代理机构上海科盛知识产权代理有限公司31225代理人丁云(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书8页附图3页(54)发明名称一种基于密集连接与特征增强的遥感图像目标检测方法(57)摘要本发明涉及一种基于密集连接与特征增强的遥感图像目标检测方法，包括以下步骤：建立遥感图像数据集，将遥感图像数据集输入到遥感图像检测模型进行训练，将待检测的遥感图像输入到训练好的遥感图像检测模型中获取目标检测结果，所述的遥感图像检测模型包括特征提取单元、特征增强单元和特征金字塔单元和预测器，所述的遥感图像检测模型的输入图像依次经过特征提取单元、特征增强单元和特征金字塔单元和预测器处理，获取目标检测结果。与现有技术相比，本发明提升网络的特征提取能力，增大输入图像的分辨率，在减小参数的同时保留了低纬度的特征信息，以适应模型对遥感图像目标的检测。CN112818777ACN112818777A权利要求书1/2页1.一种基于密集连接与特征增强的遥感图像目标检测方法，其特征在于，包括以下步骤：建立遥感图像数据集，将遥感图像数据集输入到遥感图像检测模型进行训练，将待检测的遥感图像输入到训练好的遥感图像检测模型中获取目标检测结果，所述的遥感图像检测模型包括特征提取单元、特征增强单元和特征金字塔单元和预测器，所述的遥感图像检测模型的输入图像依次经过特征提取单元、特征增强单元和特征金字塔单元和预测器处理，获取目标检测结果。2.根据权利要求1所述的一种基于密集连接与特征增强的遥感图像目标检测方法，其特征在于，所述的特征提取单元包括依次连接的下采样模块、阀杆模块和三个密集连接块，输入图像经下采样模块、阀杆模块处理后，依次经过三个密集连接块处理，三个密集连接块依次输出第一特征图、第二特征图和第三特征图。3.根据权利要求2所述的一种基于密集连接与特征增强的遥感图像目标检测方法，其特征在于，所述的阀杆模块包括三条支路，其中第一条支路包括最大池化层，第二条支路包括依次连接的1×1卷积层、批量归一化层、ReLu层、3×3卷积层、批量归一化层和ReLu层，第三条支路包括依次连接的1×1卷积层、批量归一化层、ReLu层、3×3卷积层、批量归一化层、ReLu层、3×3卷积层、批量归一化层和ReLu层，最后将三条支路的输出进行通道拼接后输出。4.根据权利要求2所述的一种基于密集连接与特征增强的遥感图像目标检测方法，其特征在于，所述的特征增强单元包括SPP模块和两个特征增强模块，所述的第一特征图、第二特征图分别经特征增强模块处理获取第一增强特征图和第二增强特征图，所述的第三特征图经SPP模块处理获取第三增强特征图，并将第一增强特征图、第二增强特征图、第三增强特征图送入特征金字塔单元。5.根据权利要求4所述的一种基于密集连接与特征增强的遥感图像目标检测方法，其特征在于，所述的特征增强模块包括四条支路，其中第一条支路包括依次连接的1×1卷积层、批量归一化层、ReLu层、3×3卷积层和批量归一化层，第二条支路包括依次连接的1×1卷积层、批量归一化层、ReLu层、3×3卷积层、批量归一化层、ReLu层、3×3空洞卷积层和批量归一化层，第三条支路包括依次连接的1×1卷积层、批量归一化层、ReLu层、3×3卷积层、批量归一化层、ReLu层、3×3卷积层、批量归一化层、ReLu层、3×3空洞卷积层、批量归一化层，第四条支路为残差网络结构中的残差支路，对前三条支路的输出进行通道拼接后与第四条支路输出的特征进行相加，得到经过特征增强模块处理的增强特征图。6.根据权利要求5所述的一种基于密集连接与特征增强的遥感图像目标检测方法，其特征在于，所述的特征增强模块的计算公式为：Qi＝Hi[P(Xj)],i＝1,2,3Wi＝Ri(Qi)Zj＝δi[H1,H2,H3]+P(Xj)式中，Xj表示输入的特征图，P表示由1x1的卷积、BN层和relu层组成的非线性操作组合，Hi表示进行i次由3×3、BN层和relu层组成的非线性操作组合，Qi表示i次卷积操作后的特征图，Ri表示空洞卷积，i＝1,2,3时空洞卷积的膨胀率分别为1,3,5，δi[.]表示、特征融合操作，Zj表示融合后的新特征图。7.根据权利要求4所述的一种基于密集连接与特征增强的遥