[发明专利]基于注意力机制的高分辨率遥感图像目标检测方法和装置在审
| 申请号: | 202211101738.8 | 申请日: | 2022-09-09 | 
| 公开(公告)号: | CN116128718A | 公开(公告)日: | 2023-05-16 | 
| 发明(设计)人: | 王伟奇;马丽 | 申请(专利权)人: | 中国地质大学(武汉) | 
| 主分类号: | G06T3/40 | 分类号: | G06T3/40;G06V10/774;G06V10/82;G06V10/764;G06N3/0464;G06N3/084 | 
| 代理公司: | 武汉知产时代知识产权代理有限公司 42238 | 代理人: | 魏波 | 
| 地址: | 430000 湖*** | 国省代码: | 湖北;42 | 
| 权利要求书: | 查看更多 | 说明书: | 查看更多 | 
| 摘要: | |||
| 搜索关键词: | 基于 注意力 机制 高分辨率 遥感 图像 目标 检测 方法 装置 | ||
1.一种基于注意力机制的高分辨率遥感图像目标检测方法,其特征在于,包括:
获取待检测的高分辨率遥感图像;
将所述图像输入检测模型,输出对应的图像中物体类别和目标检测框结果;
其中,所述检测模型是经过样本高分辨率遥感图像,以及对应的图像中物体类别标签、目标检测框位置标签和真实注意力图标签进行训练得到的,所述检测模型的网络结构包括基础特征提取模块、通道注意力模块、有监督的空间注意力模块和目标检测头模块,所述基础特征提取模块中插入五组顺次连接的所述通道注意力模块和所述有监督的空间注意力模块。
2.根据权利要求1所述的基于注意力机制的高分辨率遥感图像目标检测方法,其特征在于,检测模型训练过程中,所述基础特征提取模块采用DLA-34作为骨干网络,包括1×1卷积层、3×3卷积层、批归一化层和非线性激活层。
3.根据权利要求1所述的基于注意力机制的高分辨率遥感图像目标检测方法,其特征在于,检测模型训练过程中,所述通道注意力模块包含特征全局平均池化层和1维卷积层。
4.根据权利要求1所述的基于注意力机制的高分辨率遥感图像目标检测方法,其特征在于,检测模型训练过程中,所述有监督空间注意力模块包含平均池化层、最大池化层和非对称卷积层。
5.根据权利要求4所述的基于注意力机制的高分辨率遥感图像目标检测方法,其特征在于,检测模型训练过程中,所述目标检测头模块包括卷积层、批归一化层和非线性激活函数层。
6.根据权利要求1所述的基于注意力机制的高分辨率遥感图像目标检测方法,其特征在于,检测模型训练过程中,总损失函数由目标中心点的类别概率损失函数、目标位置坐标的损失函数、目标中心点偏移的损失函数和空间注意力图的损失函数组成。
7.根据权利要求6所述的基于注意力机制的高分辨率遥感图像目标检测方法,其特征在于,检测模型训练过程中,空间注意力图的损失函数基于真实注意力标签图和所述空间注意力图构建。
8.一种基于注意力机制的高分辨率遥感图像目标检测装置,其特征在于,包括:
获取单元,用于获取待检测的高分辨率遥感图像;
检测单元,用于将所述图像输入检测模型,输出对应的图像中物体类别和目标检测框结果;
其中,所述检测模型是经过样本高分辨率遥感图像,以及对应的图像中物体类别标签、目标检测框位置标签和真实注意力图标签进行训练得到的,所述检测模型的网络结构包括基础特征提取模块、通道注意力模块、有监督的空间注意力模块和目标检测头模块,所述基础特征提取模块中插入五组顺次连接的所述通道注意力模块和所述有监督的空间注意力模块。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7中任一项所述的基于注意力机制的高分辨率遥感图像目标检测方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于注意力机制的高分辨率遥感图像目标检测方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国地质大学(武汉),未经中国地质大学(武汉)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211101738.8/1.html,转载请声明来源钻瓜专利网。





