[发明专利]一种基于边界框一致性的遥感目标检测方法

权利要求书

1.一种基于边界框一致性的遥感目标检测方法，其特征在于，所述方法包括：

步骤1：使用ResNet101 Conv1-5网络模型作为base网络，并对特征图进行上采样；

通过双线性插值法将深层样本向上采样到与浅层样本相同大小，使用3×3的卷积层进行细化，使用1×1的卷积层精细图像特征；

隐藏层采用批标准化处理，并使用ReLU函数激活；

步骤2：基于ResNet101 Conv1-5网络模型的输出特征图先后使用3×3和1×1的卷积层获取热点图，并通过focalloss函数对其进行训练；

步骤3：基于ResNet101 Conv1-5网络模型的输出特征图先后使用3×3和1×1的卷积层获取偏移量信息，并使用SmoothL1loss函数进行优化；

步骤4：基于ResNet101 Conv1-5网络模型的输出特征图先后使用2层3×3的卷积层得到预测框信息，使用SmoothL1loss函数回归中心点的预测框信息参数；

引入宽高比的一致性参数对预测框中的宽高比信息进行优化；

同时通过引入角度的一致性参数对预测框中的角度信息进行优化；

步骤5：基于ResNet101 Conv1-5网络模型的输出特征图先后使用3×3和1×1的卷积层得到方向信息，利用binary cross-entropy loss函数对方向信息进行优化；

步骤6：通过热点图、偏移量信息、预测框信息、方向信息生成预测边界框，根据所述预测边界框的坐标信息在原图中进行定位展示。

2.根据权利要求1所述的一种基于边界框一致性的遥感目标检测方法，其特征在于，步骤2具体包括：

步骤2.1：通过公式(1)得到热点图：

Heatmap＝K×H/s×W/s    (1)；

其中，H和W分别是图像的高度和宽度，通道数K为类别数，每个通道对应一个类别，且每个通道的映射通过一个sigmoid函数进行传递；

步骤2.2：将特定的中心点预测热图值作为目标检测的置信度，使用focalloss函数进行训练，如公式(2)所示：

其中q和p分别表示图像的真实热图值和预测热图值，i为特征图上像素位置的索引，N是实例的数目，α和β是控制每个像素权重的超参数。

3.根据权利要求2所述的一种基于边界框一致性的遥感目标检测方法，其特征在于，步骤3具体包括：

步骤3.1：通过公式(3)得到偏移量信息：

Offset＝2×H/s×W/s(3)；

其中，通道数为点的两个坐标x，y的偏移量；

步骤3.2：利用偏移量信息从预测的热图信息P中提取峰值点作为目标的中心点位置；

步骤3.3：确保中心点为整数，利用SmoothL1loss函数优化最小化浮点数中心点与整数中心点之间的偏移量，如公式(4)～(5)所示：

其中，o和t分别表示预测框和真实框的偏移量，k表示实例；

SmoothL1loss函数表示为：