本申請涉及目標識別。

背景技術：

1、目標識別是計算機視覺的一種任務，常用的檢測方法有基于神經網絡的方法。與自然圖像中的目標識別相比，遙感圖像的目標識別具有特殊性，因遙感圖像精度高、范圍廣，目標在整幅圖像中的比例可能較小，在整幅中可能僅有一個或者幾個像素點，故稱為小目標。高分辨率遙感影像中的小目標經過多次下采樣后會導致辨別性特征減少，使得難以準確框選和檢測。

2、因此，如何在遙感圖像小目標識別任務中提高小目標框選和檢測的準確度，成為本領域技術人員亟需解決的技術問題。

技術實現思路

1、有鑒于此，本發(fā)明實施例提供一種遙感圖像目標檢測方法及裝置，以在遙感圖像小目標識別任務中準確提取候選框。

2、為實現上述目的，本發(fā)明實施例提供一種遙感圖像目標檢測方法，包括：

3、獲取待識別圖像；

4、通過第一特征提取層，得到第一特征圖；

5、根據所述第一特征圖，通過串聯的跨層非密集型網絡模塊以及語義引導模塊得到語義特征圖，所述語義引導模塊包括通道及空間注意力計算層、坐標注意力計算層和特征圖基本計算層；

6、根據所述語義特征圖，通過第二特征提取層得到第二特征圖；

7、根據所述第二特征圖進行框選及后續(xù)目標識別操作。

8、可選地，所述特征圖基本計算層，包括：

9、卷積層、激活層、取反層、逐元相乘層、沿通道級聯層、判別層、卷積批歸一及激活層、逐元相加層。

10、可選地，所述根據所述第一特征圖，通過串聯的跨層非密集型網絡模塊以及語義引導模塊得到語義特征圖，包括：

11、第一特征圖經過跨層非密集型網絡模塊后經卷積層得到第一卷積特征圖，第一卷積特征圖經過坐標注意力計算層后與第一卷積特征圖逐元相乘得到第一中間特征圖，第一卷積特征圖再次經過卷積層后得到第二卷積特征圖，第二卷積特征圖經過坐標注意力計算層后與第二卷積特征圖逐元相乘得到第二中間特征圖；

12、第一中間特征圖與第二中間特征圖沿通道級聯層得到第三中間特征圖，第三中間特征圖經過判別層和激活層后與第二中間特征圖逐元相乘得到第四中間特征圖，第二卷積特征圖經過卷積層后得到第三卷積特征圖，第三卷積特征圖經過激活層和取反層得到第五中間特征圖；

13、第四中間特征圖和第五中間特征圖逐元相乘得到第六中間特征圖，第六中間特征圖在經過卷積批歸一及激活層和判別層后得到第七中間特征圖，在經過通道及空間注意力計算層后得到第八中間特征圖；

14、第七中間特征圖和第八中間特征圖經過逐元相乘層得到第九中間特征圖，第九中間特征圖和第三卷積特征圖通過逐元相加層得到語義特征圖。

15、可選地，所述第一特征提取層和所述第二特征提取層分別包括resconv層、激活層和池化層，所述resconv層包括交替設置的卷積層和激活層。

16、可選地，所述第一特征提取層和所述第二特征提取層的resconv層相差小于10層。

17、可選地，所述第一特征提取層和所述第二特征提取層分別包括25層resconv層、25激活層和2層池化層，所述第一特征提取層最后一層為resconv層，所述第二特征提取層的第一層為resconv層。

18、可選地，所述根據所述第二特征圖進行框選及后續(xù)目標識別操作包括：

19、根據所述第二特征圖，通過ssd模型中的conv6層、conv7層、extra?featurelayers層、目標檢測層和非極大值抑制層，進行目標檢測。

20、本發(fā)明實施例還提供一種遙感圖像目標檢測裝置，包括：

21、圖像獲取單元，用于獲取待識別圖像；

22、第一特征提取單元，用于通過第一特征提取層，得到第一特征圖；

23、語義特征引導單元，用于根據所述第一特征圖，通過串聯的跨層非密集型網絡模塊以及語義引導模塊得到語義特征圖，所述語義引導模塊包括通道及空間注意力計算層、坐標注意力計算層和特征圖基本計算層；

24、第二特征提取單元，用于根據所述語義特征圖，通過第二特征提取層得到第二特征圖；

25、目標識別單元，用于根據所述第二特征圖進行框選及后續(xù)目標識別操作。

26、這樣，本發(fā)明所提供的遙感圖像目標檢測方法及裝置，在獲取待識別圖像并通過第一特征提取層得到第一特征圖后，通過跨層非密集型網絡模塊以及包括通道及空間注意力計算層、坐標注意力計算層和特征圖基本計算層的語義引導模塊串聯，對三特征圖進行聚集上下文語義信息捕捉輸入特征圖的長程依賴關系的同時，突出了小目標的邊界信息，從而保證了小目標框選和檢測的準確度?？梢?，本發(fā)明實施例所提供的遙感圖像目標檢測方法及裝置可以提高小目標框選和檢測的準確度。

技術特征：

1.一種遙感圖像目標檢測方法，其特征在于，包括：

2.如權利要求1所述的遙感圖像目標檢測方法，其特征在于，所述特征圖基本計算層，包括：

3.如權利要求3所述的遙感圖像目標檢測方法，其特征在于，所述根據所述第一特征圖，通過串聯的跨層非密集型網絡模塊以及語義引導模塊得到語義特征圖，包括：

4.如權利要求4所述的遙感圖像目標檢測方法，其特征在于，所述第一特征提取層和所述第二特征提取層分別包括resconv層、激活層和池化層，所述resconv層包括交替設置的卷積層和激活層。

5.如權利要求5所述的遙感圖像目標檢測方法，其特征在于，所述第一特征提取層和所述第二特征提取層的resconv層相差小于10層。

6.如權利要求6所述遙感圖像目標檢測方法，其特征在于，所述第一特征提取層和所述第二特征提取層分別包括25層resconv層、25激活層和2層池化層，所述第一特征提取層最后一層為resconv層，所述第二特征提取層的第一層為resconv層。

7.如權利要求6所述的遙感圖像目標檢測方法，其特征在于，所述根據所述第二特征圖進行框選及后續(xù)目標識別操作包括：

8.一種遙感圖像目標檢測裝置，其特征在于，包括：

技術總結
本發(fā)明實施例提供了一種遙感圖像目標檢測方法及裝置，其特征在于，包括：獲取待識別圖像；通過第一特征提取層，得到第一特征圖；根據所述第一特征圖，通過串聯的跨層非密集型網絡模塊以及語義引導模塊得到語義特征圖，所述語義引導模塊包括通道及空間注意力計算層、坐標注意力計算層和特征圖基本計算層；根據所述語義特征圖，通過第二特征提取層得到第二特征圖；根據所述第二特征圖進行框選及后續(xù)目標識別操作。可見，本發(fā)明實施例所提供的遙感圖像目標檢測方法及裝置可以提高小目標框選和檢測的準確度。

技術研發(fā)人員：陳超,袁春紅
受保護的技術使用者：內江師范學院
技術研發(fā)日：
技術公布日：2024/12/10