[发明专利]一种遥感图像桥梁检测方法、装置、电子设备及存储介质

权利要求书

1.一种遥感图像桥梁检测方法，其特征在于，包括：

获取待检测的遥感图像；

将所述待检测的遥感图像输入至预先训练得到的桥梁检测器网络模型中，得到所述遥感图像中的桥梁位置信息；

其中，所述桥梁检测器网络模型包括FPN网络和改进型的Faster R-CNN网络；所述改进型的Faster R-CNN网络包括改进型的Backbone网络、RPN网络和RoiHead网络；所述改进型的Backbone网络是在常规Backbone网络的基础上，在所述常规Backbone网络中引入调制可变形卷积模块形成；所述桥梁检测器网络模型是根据训练图像集预先训练得到的，其中，所述训练图像集中的每一训练图像均带有位置标注信息。

2.根据权利要求1所述的遥感图像桥梁检测方法，其特征在于，在所述桥梁检测器网络模型中，

所述改进型的Backbone网络，用于对输入的所述待检测的遥感图像进行特征提取，得到若干特征信息；

所述FPN网络，用于将所述若干特征信息进行特征融合，得到多尺度特征图；

所述RPN网络，用于基于所述多尺度特征图进行候选区域选择，得到候选推荐区域；

所述RoiHead网络，用于根据所述多尺度特征图和所述候选推荐区域进行位置信息的调整，输出所述遥感图像的桥梁位置信息。

3.根据权利要求1所述的遥感图像桥梁检测方法，其特征在于，所述改进型的Backbone网络包括依次连接的预处理卷积层、4个stage模块；每个stage模块包括若干依次连接的block模块，且每一block模块的输入端和输出端连接，每个block模块包括依次连接的第一卷积层、第二卷积层和第三卷积层；其中，所述预处理卷积层，以及在所有的stage模块中的第一卷积层和第三卷积层均为常规卷积层；在第一个stage模块中，所有的第二卷积层为常规卷积层，在其他三个stage模块中，所有的第二卷积层为调制可变形卷积模块。

4.根据权利要求3所述的遥感图像桥梁检测方法，其特征在于，所述预处理卷积层的卷积核的大小为7×7；所有所述第一卷积层和所述第三卷积层的卷积核的大小均为3×3。

5.根据权利要求3所述的遥感图像桥梁检测方法，其特征在于，所述调制可变形卷积模块的卷积核的大小为3×3。

6.根据权利要求1所述的遥感图像桥梁检测方法，其特征在于，所述调制可变形卷积模块的计算过程表示为：

其中，N为卷积过程中的采样点总数，x和f分别表示输入特征图和输出特征图，k表示所有采样点的中心位置，表示常规卷积的第n个采样点，k_n∈(-1,1),(-1,0),...,(1,1)，Δk_n与Δm_n分别表示调制可变形卷积模块在第n个采样点所添加的自适应偏差与自适应调制系数，x(k+k_n+Δk_n)利用双线性插值方法获得。

7.一种遥感图像桥梁检测装置，其特征在于，包括：

数据获取模块，用于获取待检测的遥感图像；

数据检测模块，用于将所述待检测的遥感图像输入至预先训练得到的桥梁检测器网络模型中，得到所述遥感图像的桥梁位置信息；

其中，所述桥梁检测器网络模型包括FPN网络和改进型的Faster R-CNN网络；所述改进型的Faster R-CNN网络包括改进型的Backbone网络、RPN网络和RoiHead网络；所述改进型的Backbone网络是在常规Backbone网络的基础上，在所述常规Backbone网络中引入调制可变形卷积模块形成；所述桥梁检测器网络模型是根据训练图像集预先训练得到的，其中，所述训练图像集中的每一训练图像均带有位置标注信息。