[发明专利]一种用于遥感图像中小目标检测的多分支检测方法

权利要求书

1.一种用于遥感图像中小目标检测的多分支检测方法，其特征在于，包括：

步骤1：构建RepDarkNet主干网络，使用所述RepDarkNet主干网络对遥感图像进行特征提取，其中，所述RepDarkNet主干网络包含五个串联的特征提取分支；

步骤2：构建跨层融合网络，使用所述跨层融合网络对所述RepDarkNet主干网络提取到的五个特征图进行跨层特征融合；

步骤3：设计边界框回归损失函数，基于所述边界框损失函数和融合后特征得到小目标检测框。

2.根据权利要求1所述的一种用于遥感图像中小目标检测的多分支检测方法，其特征在于，步骤1中，所述五个串联的特征提取分支按照先后串联顺序分别记作R1分支、R2分支、R3分支、R4分支和R5分支；在所述R4分支和R5分支之间还串联有SPP模块；

每个特征提取分支均包括第一CBL模块、第二CBL模块、ResBlock模块和concat模块；其中，R1分支、R2分支、R3分支、R4分支和R5分支中的所述ResBlock模块的个数按照先后顺序分别为1、2、3、4和5；

每个特征提取分支对输入的特征图的处理过程为：特征图先输入至所述第一CBL模块进行处理，所述第一CBL模块输出后的特征图分别输入至所述第二CBL模块和所述ResBlock模块进行处理；所述第一CBL模块输出的特征图、所述第二CBL模块输出的特征图和所述ResBlock模块输出的特征图共同输入至所述concat模块进行concat处理，所述concat模块的输出作为当前特征提取分支的输出。

3.根据权利要求2所述的一种用于遥感图像中小目标检测的多分支检测方法，其特征在于，所述ResBlock模块包括第三CBL模块、第四CBL模块和一个add模块；

所述第一CBL模块输出的特征图依次经过所述第三CBL模块和所述第四CBL模块进行处理；所述第一CBL模块输出的特征图和所述第四CBL模块输出的特征图共同输入至所述add模块进行处理，所述add模块的输出即为所述ResBlock模块的输出。

4.根据权利要求3所述的一种用于遥感图像中小目标检测的多分支检测方法，其特征在于，所述第一CBL模块、第二CBL模块、第三CBL模块和第四CBL模块为结构相同的CBL模块，所述CBL模块由浅入深依次包括Conv层、BN层和Leaky relu层。

5.根据权利要求2所述的一种用于遥感图像中小目标检测的多分支检测方法，其特征在于，所述SPP模块包括：第一最大池化层、第二最大池化层、第三最大池化层和concat模块；

R4分支的输出分别输入至第一最大池化层、第二最大池化层、第三最大池化层进行池化处理；然后，三个池化层的输出和R4分支的输出共同输入至所述concat模块进行concat处理。

6.根据权利要求2所述的一种用于遥感图像中小目标检测的多分支检测方法，其特征在于，步骤2中，所述跨层融合网络对R1分支提取的特征图C1和基于R2分支提取的特征图C2进行concat处理得到融合特征图N2；对R5分支提取的特征图C5直接进行1×1卷积操作，将维度降为原来的一半后得到融合特征图N5，对所述融合特征图N5进行上采样；对R4分支提取的特征图C4与上采样后的融合特征图N5进行concat处理得到融合特征图N4；其中，融合特征图N2、N4和上采样前的融合特征图N5的尺度大小分别为152×152、38×38和19×19。

7.根据权利要求1所述的一种用于遥感图像中小目标检测的多分支检测方法，其特征在于，步骤3中，采用GIoULoss作为边界框回归损失函数；其中，按照公式(1)计算GIoU：

其中，A和B表示任意形状的边界框，C是最小闭合形状的边界框。