[发明专利]遥感图像的目标检测方法、装置、存储介质及电子设备

说明书

本发明提供一种遥感图像的目标检测方法、装置、存储介质及电子设备，该方法包括：对原始遥感图像进行图像裁剪，得到多个图像切片；根据检测框对各个图像切片中的目标进行目标标注，并根据所述检测框对应的外接框对得到的目标标注数据进行编码，得到检测数据集；将所述检测数据集输入到预先训练的无预设框检测网络进行目标检测，得到目标在图像切片上的边界目标坐标、目标类别信息以及当前检测结果的置信度；对各个图像切片的目标检测结果进行合并。本发明采用无预设框的目标检测算法，可以避免预设框对目标形态的限制，解决检测目标长宽比悬殊、密集分布造成的检测难度高问题，能够有效提高检测准确率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种遥感图像的目标检测方法、装置、存储介质及电子设备。

背景技术

随着遥感技术向高空间、高光谱、高时相分辨率，以及多卫星、多平台，多角度，全方位观测的趋势发展，遥感技术为地球资源环境的研究提供了海量数据。遥感数据获取手段的增强，使需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的需求，成为遥感信息处理面临的一大难题。

近年来，人工智能技术快速发展，深度学习在寻常场景的图像解译领域实现了长足的进步。深度学习也逐渐被用于遥感图像解译，其通过数据样本训练，生成卷积神经网络模型，实现对目标的智能感知，显著提高了遥感信息处理效率。

但是，不同场景的图像具有不同特点，对图像解译而言，遥感图像具有无遮挡的优点，但分辨率过高，俯视视角下物体特征不明显，物体小而密集都带来了巨大的挑战。上述原因使得在寻常场景中表现优异的目标检测算法在遥感领域效果不够理想，难以为遥感分析提供强有力的智能分析处理依据。

发明内容

鉴于上述问题，本发明提出了一种遥感图像的目标检测方法、装置、存储介质及电子设备，能够避免预设框对目标形态的限制，解决检测目标长宽比悬殊、密集分布造成的目标检测难度高的问题。

本发明的一个方面，提供了一种遥感图像的目标检测方法，所述方法包括：

对原始遥感图像进行图像裁剪，得到多个图像切片；

根据检测框对各个图像切片中的目标进行目标标注，并根据所述检测框对应的外接框对得到的目标标注数据进行编码，得到检测数据集；

将所述检测数据集输入到预先训练的无预设框检测网络进行目标检测，得到目标在图像切片上的边界目标坐标、目标类别信息以及当前检测结果的置信度；

对各个图像切片的目标检测结果进行合并。

可选地，所述根据检测框对各个图像切片中的目标进行目标标注，包括：

根据检测到目标时检测框的位置坐标对图像切片中的目标进行目标标注，得到原始标注信息[x1,y1,x2,y2,x3,y3,x4,y4]，其中，（x1,y1）、（x2,y2）、（x3,y3）、（x4,y4）分别为检测到目标时检测框的顶点坐标。

可选地，所述根据所述检测框对应的外接框对得到的目标标注数据进行编码，包括：

根据所述检测框对应的外接框的位置坐标确定对原始标注信息[x1,y1,x2,y2,x3,y3,x4,y4]进行编码，得到编码的标注数据(x, y, w, h,,)，其中：

P，Q分别表示检测框左顶点和上顶点到外接框左上角的距离， 表示对应的坐标点中x坐标取值最小的坐标点对应的y坐标取值；表示对应的坐标点中y坐标取值最小的坐标点对应的x坐标取值。

可选地，所述将所述检测数据集输入到预先训练的无预设框检测网络进行目标检测，包括：

配置参数通道为[x, y, w, h，, ]六参数，并将转化为[0,1]范围的浮点型变量；