[发明专利]一种天文目标检测与精确定位一体化方法

权利要求书

1.一种天文目标检测与精确定位一体化方法，其特征在于包括如下步骤：

S1.获取输入数据及标注，输入数据为16位深的天文图像，标注包括目标在图像上亚像素级别定位及目标尺寸信息；

S2.使用密集嵌套U型注意力网络作为主干网络进行特征提取；

S3.使用基于关键点的检测头对主干网络输出特征图进行检测，分别生成关键点热图heatmap、局部偏移量offset-map和目标宽高wh-map的预测，其中对局部偏移量采用预测概率分布形式实现精确定位；

S4.在模型训练阶段，由标注生成各检测头对应真值，对检测头输出结果采用相应真值计算损失以进行监督训练；

S5.在模型推理阶段，检测头的输出特征图经目标框解码后，得到天文目标检测结果及其精确定位。

2.如权利要求1所述的一种天文目标检测与精确定位一体化方法，其特征在于，所述的步骤S1，数据使用单通道16位深图像；标注生成是通过对观测天区内的参考星进行星图匹配获得天文定位信息，根据精密星历和星表获得包括自然天体和人造天体的精确天文坐标，经映射后转换到图像坐标获得亚像素级别定位信息。

3.如权利要求1所述的一种天文目标检测与精确定位一体化方法，其特征在于，所述的步骤S2，所采用主干网络具有如下特征：

A21.在连接方式上，主干网络整体基于U-Net网络；增加了同层级的中间节点，并在同层中对各节点采用跳跃连接；增加从低层到高层反向连接；对节点输出特征图改变分辨率的方式是基于卷积和反卷积实现的；

A22.在节点设计上，每个节点接收同层级之前节点和上下相邻层级前一节点的特征串联输入，内部基于残差连接模块实现，并在卷积特征提取支路使用空间-通道注意力机制；

A23.在特征输出上，使用低尺度的高分辨率特征图输入检测头进行检测，低尺度具体指与原图像分辨率相同或经过一次降2采样的特征图尺度。

4.如权利要求1所述的一种天文目标检测与精确定位一体化方法，其特征在于，所述步骤S3，所采用基于关键点的检测头对局部偏移量回归头进行改进，具体而言使用了基于概率分布预测的精确定位头，将待回归[0,1)范围内局部偏移量分解为离散二项分布，对该检测头通道维数扩展并用加权交叉熵损失函数进行监督训练。

5.如权利要求1所述的一种天文目标检测与精确定位一体化方法，其特征在于，所述步骤S4，具体包括以下流程：

S41.真值生成阶段，使用的数据增强方法为随机翻转和随机高斯模糊，利用标注分别生成针对关键点检测头、局部偏移量检测头和目标宽高检测头的对应真值；

S42.检测头生成预测，三个检测头分别使用三组不同的可训练参数，且结构均为2D卷积、ReLU、2D卷积依次串联的轻量级实现方式；

S43.损失计算，对三个检测头输出结果heatmap、offset-map和wh-map，分别与对应真值依据相应的损失函数计算损失值。

6.如权利要求5所述的一种天文目标检测与精确定位一体化方法，其特征在于，所述步骤S41，生成精确定位的局部偏移量真值分布方法为：先根据标注中精确定位减去对应关键点坐标整数值，得到局部偏移量真值，该值在[0,1)范围内；进一步将该真值转化为待回归的离散域二项分布，该真值分布的取离散域坐标为[0,1…N]/N，N表示预设离散坐标数目，默认N为10且包含共计11个离散坐标取值；最后，仅在真值两侧的离散域坐标y_i、y_i+1处分别设置概率值P_i、P_i+1，并使得该二项分布数学期望与局部偏移量的真值相等。

7.如权利要求5所述的一种天文目标检测与精确定位一体化方法，其特征在于，所述步骤S42，输出特征图维度分别为：关键点检测头输出特征图heatmap维度为H×W×1，局部偏移量检测头输出特征图offset-map维度为H×W×2(N+1)，目标宽高检测头输出特征图wh-map维度为H×W×2，其中H、W、N分别表示特征图高度、特征图宽度和精确定位分布预设离散坐标数目，N默认为10。