[发明专利]一种基于混合空洞卷积的弱监督遥感目标检测方法

权利要求书

1.一种基于混合空洞卷积的弱监督遥感目标检测方法，其特征在于，该方法包括如下步骤：

(1)获取待检测的遥感图像数据集，按比例将数据集划分为训练集、验证集和测试集；

(2)利用混合空洞卷积构造无损残差网络，并使用其对遥感图像中的目标物体进行多尺度特征的提取，即低级视觉特征和高级语义特征；

(3)将步骤(2)中提取的特征送入通道注意力模块，强化对目标检测任务有效的关键特征信息，并抑制无效的特征信息；

(4)将步骤(3)中强化后的特征送入级联多层池化模块进行特征融合，实现低级视觉特征与高级语义特征的进一步融合，融合后的特征作为特征提取网络的最终输出；

(5)将步骤(4)得到的最终特征送入协同检测模块，该模块具有多实例学习分支和检测框回归分支两个分支，其中，弱监督检测网络WSDDN作为多实例学习分支来生成伪标签信息，强监督检测网络Fast R-CNN作为检测框回归分支来实现更准确的目标定位，图中目标的检测类别概率及其检测框共同作为该模块的检测结果；

(6)根据步骤(5)的检测结果计算两个分支训练的一致性误差，通过梯度下降算法同时更新两者的权重参数，进行协同训练，并通过验证集测试检测精度，不断调整网络模型，直到精度满足预期；

(7)将训练完成的网络模型作为检测器，将测试集的特征输入检测器中进行检测，得到检测结果即为遥感图像中该类目标物体的概率及其检测框。

2.根据权利要求1所述的一种基于混合空洞卷积的弱监督遥感目标检测方法，其特征在于，在步骤(2)中，利用混合空洞卷积构造无损残差网络，并对遥感图像中目标进行无损的多尺度特征提取，方法如下：

(2.1)以ResNet-101为基础模型，在原始残差块中的标准3x3卷积后插入2个扩张率分别为2和5的3×3空洞卷积，形成一个扩张率为1，2，5的连续空洞卷积组合，从而构建了一个新的残差块，即无损残差块；在无损残差块中添加了密集连接，即将每个空洞卷积层的输出与输入特征连接，然后被输入下一个空洞卷积层中，进而共享和重用有利于目标定位的底层特征；

(2.2)保留ResNet-101的前三个阶段，然后在第4和第5个阶段分别堆叠23个和3个无损残差块，取代原来网络中的第4和第5个阶段；

(2.3)第4和第5个阶段保持与第3个阶段相同的输入通道数，即256个卷积核，并且移除下采样操作，使得输出特征图的分辨率保持在原始图像的1/8。

3.根据权利要求2所述的一种基于混合空洞卷积的弱监督遥感目标检测方法，其特征在于，在步骤(3)中，提将步骤(2)中提取的特征送入通道注意力模块，强化对目标检测任务有效的关键特征信息，并抑制无效的特征信息，具体方法如下：

(3.1)对于步骤(2.3)中第5个阶段提取的特征该模块利用C+1个卷积核对其进行一次卷积操作，得到C+1张特征图此处的H、W和C分别代表特征图的高度、宽度和通道数；

(3.2)将步骤(3.1)中得到的特征在通道维度上进行分解，分别得到C张特征图和1张单通道特征图并对f₂进行Sigmoid激活运算，得到1张通道注意力矩阵能够自动反映每个特征通道的重要程，即权重值；

(3.3)将通道注意力矩阵M和特征图f₁分别进行逐元素相乘，即将每一个像素点与其在注意力矩阵中所对应的权重相乘，最终得到输出特征整个模块的数学表达式为其中，代表逐元素相乘，σ(*)代表Sigmoid激活函数。