[发明专利]一种后验实例信息引导的无锚框遥感旋转目标检测方法

权利要求书

1.一种后验实例信息引导的无锚框遥感旋转目标检测方法，其特征在于包括以下步骤：

步骤1：通过骨架网络提取遥感图像特征，然后利用多尺度相邻层特征融合网络对遥感图像特征进行多尺度语义特征深度融合，得到融合特征；

步骤2：将步骤1得到的融合特征输入到像素级实例预测网络中，输出具有目标角度以及形状信息的像素级实例预测结果；

步骤3：将步骤2获取的像素级实例预测结果注入到步骤1得到的融合特征上，生成后验信息注入特征；

步骤4：将步骤3生成的后验信息注入特征并行地输入到中心点预测网络、宽高预测网络以及角度预测网络，得到目标的中心点预测值、宽高预测值和角度预测值；

步骤5：利用损失函数对步骤2的像素级实例预测结果、步骤4得到的目标的中心点预测值、宽高预测值以及角度预测值进行修正，获得目标的边框信息，实现对遥感旋转目标的检测。

2.根据权利要求1所述的一种后验实例信息引导的无锚框遥感旋转目标检测方法，其特征在于：

所述的步骤1中，通过骨架网络提取的遥感图像特征为一个多尺度特征组，该特征图组内一共包括4个特征，分辨率从大到小依次排列，分别为原始遥感图像分辨率的1/4倍、1/8倍、1/16倍、1/32倍。

3.根据权利要求1所述的一种后验实例信息引导的无锚框遥感旋转目标检测方法，其特征在于：

所述的步骤1中，进行多尺度语义特征深度融合，得到融合特征的方法为：

步骤1.1：对多尺度特征组内的所有特征进行通道维度的统一化处理，分别采用步长为1的1×1卷积操作将四个特征层的通道维度统一至256，将处理结果记作F₁,F₂,F₃,F₄，分辨率从大到小排列；

步骤1.2：将处理结果F₁,F₂,F₃,F₄送入多尺度相邻层特征融合网络进行相邻尺度层间的语义特征增强，完成多尺度语义特征深度融合。

4.根据权利要求3所述的一种后验实例信息引导的无锚框遥感旋转目标检测方法，其特征在于：

所述的步骤1.2中，进行相邻尺度层间的语义特征增强的具体方法为：

将处理结果F₁,F₂,F₃,F₄分为三组，分别为第一组特征{F₁,F₂}，第二组特征{F₁,F₂,F₃}，第三组特征{F₂,F₃,F₄}，然后对每组特征进行相邻层的特征融合，具体为：

对于第一组特征，将F₁的分辨率作为基准分辨率，对F₁进行步长为1、填充为1的3×3卷积操作，对F₂进行步长为1、填充为1的3×3可变形卷积再进行上采样倍数为2的双线性插值操作，最后将F₁和F₂的处理结果相加，得到特征

对于第二组特征，将F₂作为基准分辨率，对F₁进行步长为2、填充为1的3×3卷积，对F₂进行步长为1、填充为1的3×3卷积，对F₃进行步长为1、填充为1的3×3的可变形卷积再进行上采样倍数为2的双线性插值操作，然后将F₁、F₂和F₃的处理结果相加，得到特征

对于第三组特征，将F₃作为基准分辨率，对F₂进行步长为2、填充为1的3×3卷积，F₃进行步长为1、填充为1的3×3卷积操作，对F₄进行步长为1、填充为1的3×3可变形卷积再进行上采样倍数为2的双线性插值操作，然后将F₂、F₃和F₄的处理结果相加，得到特征