[发明专利]基于跨阶段局部多尺度密集连接的遥感图像目标检测方法

权利要求书

1.一种基于跨阶段局部多尺度密集连接的遥感图像目标检测方法，其特征在于，包括如下：

(1)从公开网站获取公开遥感图像数据集，随机选择75％的图像作为训练集，25％的图像作为测试集，该遥感图像数据集共包含十类目标，分别是：飞机、船、存储罐、棒球场、网球场、篮球场、操场、港口、桥梁和车辆；

(2)搭建跨阶段局部多尺度密集检测网络：

(2a)建立依次由输入层→第一跨阶段局部密集连接块→第二跨阶段局部密集连接块→第三跨阶段局部密集连接块→第四跨阶段局部密集连接块→空间金字塔池化，组成的主干子网络，该主干网络使用Mish激活函数；

(2b)建立依次由第一卷积层、第一上采样层、第一route级联层、第二卷积层、第二上采样层和第二route级联层组成的多尺度特征融合子网络；

(2c)建立由三个结构相同的检测层组成的检测子网络；

(2d)将多尺度特征融合子网络中第一卷积层、第一route级联层和第二route级联分别与主干子网络中空间金字塔池化、第三跨阶段局部密集连接块、第二跨阶段密集块中最后一个卷积层对应连接，并将连接后的结果分别输入三个检测层。

(3)用训练集对跨阶段局部多尺度密集检测网络进行训练，得到训练好的网络模型；

(4)用训练好的网络模型对测试集进行检测，即将测试集输入到训练好的网络模型中，得到每一类目标的平均精度AP及所有类目标的平均精度均值mAP。

2.根据权利要求1所述的方法，其特征在于：(2a)所构建主干子网络中的各层结构及参数设置如下：

设输入层特征映射图的总数为3个，输入特征映射图尺度为512×512个节点；

第一跨阶段局部密集连接块由13个卷积层、5个route级联层和1个池化层依次连接组成，各层的参数设置为：

第1个卷积层的特征映射图总数为32个，卷积核的大小为3×3；

第2个卷积层的特征映射图总数为64个，卷积核的大小为3×3；

第3个卷积层的特征映射图总数为64个，卷积核的大小为1×1；

第2个卷积层的输出为第4个卷积层的输入；

第4、6、8、10个卷积层的特征映射图总数均为128个，卷积核的大小均为1×1；

第5、7、9、11个卷积层的特征映射图总数均为32个，卷积核的大小均为3×3；

第12、13个卷积层的特征映射图总数为均128个，卷积核的大小均为1×1；

第1个池化层采用最大池化方式，特征映射图的尺寸设置为2×2；

第1个至第5个共五个route级联层特征映射图大小均为256×256；

第3个卷积层输出为第5个route级联层的输入；

第二跨阶段局部密集连接块由21个卷积层、9个route级联层和1个池化层依次连接组成，各层的参数设置为：

第14、16个卷积层的特征映射图总数均为64个，卷积核的大小均为1×1；

第15个卷积层的特征映射图总数为128个，卷积核的大小为3×3；

第15个卷积层的输出为第17个卷积层的输入；

第17、19、21、23、25、27、29、31、33个卷积层的特征映射图总数均为128个，卷积核的大小均为1×1；

第18、20、22、24、26、28、30、32个卷积层的特征映射图总数均为32个，卷积核的大小均为3×3；

第34个卷积层的特征映射图总数为256个，卷积核的大小为1×1；

第2个池化层采用最大池化方式，特征映射图的尺寸为2×2；

第6个至第14个共9个route级联层的特征映射图大小均为128×128；

第16个卷积层的输出为第14个route级联层的一个输入；

第三跨阶段局部密集连接块由29个卷积层、13个route级联层和1个池化层依次组成，各层的参数设置为：

第35、37个卷积层的特征映射图总数均为128个，卷积核的大小均为1×1；

第36个卷积层的特征映射图总数为256个，卷积核的大小为3×3；

第36个卷积层的输出为第38个卷积层的一个输入；

第38、40、42、44、46、48、50、52、54、56、58、60、62个卷积层的特征映射图总数均为128个，卷积核的大小均为1×1；

第39、41、43、45、47、49、51、53、55、57、59、61个卷积层的特征映射图总数均为32个，卷积核的大小均为3×3；

第63个卷积层的特征映射图总数为512个，卷积核的大小为1×1；

第3个池化层采用最大池化方式，特征映射图的尺寸为2×2；

第15个至第27个共13个route级联层的特征映射图大小均为64×64；

第37个卷积层的输出为第27个route级联层的一个输入；

第四跨阶段局部密集连接块由13个卷积层、9个route级联层依次组成，各层的参数设置为：

第64、66个卷积层的特征映射图总数均为256个，卷积核的大小均为1×1；

第65个卷积层的特征映射图总数为512个，卷积核的大小为3×3；

第65个卷积层的输出为第67个卷积层的输入；

第67、69、71、73、75、77、79、81、83个卷积层的特征映射图总数均为128个，卷积核的大小均为1×1；

第68、70、72、74、76、78、80、82个卷积层的特征映射图总数为32个，卷积核的大小均为3×3；

第84个卷积层的特征映射图总数为512个，卷积核的大小为1×1；

第28个至第36个共9个route级联层的特征映射图大小均为32×32；

第66个卷积层的输出为第36个route级联层的一个输入；

空间金字塔池化模块由3个池化层、1个route级联层和1个卷积层依次组成，各层参数设置为：

第4个、第5个、第6个池化层均采用最大池化方式，特征映射图的尺寸分别为5×5、9×9和13×13；

第84个卷积层的输出作为第4个、第5个、第6个池化层的输入；

第4个、第5个、第6个池化层的输出均为第37个route级联层的输入；

第85个卷积层的特征映射图总数为512个，卷积核的大小为1×1；

第37个route级联层的特征映射图的大小为32×32。