申请/专利权人：北京观微科技有限公司

申请日：2021-06-21

公开（公告）日：2024-06-11

公开（公告）号：CN113298039B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/25;G06V10/764;G06V10/766;G06V10/44;G06V10/82;G06T3/4007;G06N3/0464;G06N3/045;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2021.09.10#实质审查的生效;2021.08.24#公开

摘要：本发明提供了一种用于遥感图像旋转目标的旋转目标检测器，包括一个特征提取阶段和一个检测框精炼阶段，在算法的检测中，第一阶段网络使用水平回归框，从而获得更快的速度和更多的区域建议框，在回归框精炼阶段使用了旋转锚框以适应密集场景。解决了在遥感图像舰船检测过程中由于舰船目标排列密集导致的检测精度不高的问题，本发明能够得到长宽比和尺寸更贴近舰船的真实形状的检测结果，适用于军用及民用的遥感图像舰船检测作业。

主权项：1.一种顾及遥感图像旋转目标的目标检测方法，其特征在于，构建改进的R3Det深度神经网络模型，作为旋转目标检测器，旋转目标检测器的目标检测方法包括如下步骤：S1、回归框提取阶段：S11、输入遥感图像依次经过级联残差网络进行目标的特征提取，得到N个特征，分别进入金字塔网络对应的层进行特征融合，得到每一层输出的多尺度融合特征图；S12、所述金字塔网络每一层的输出均连接有一个第一分类回归子网络，得到并输出初步的第一回归框和第一分类结果；S2、回归框精炼阶段：S21、将所述S11中每一层得到的多尺度融合特征图结合所述S12中得到的第一回归框和第一分类结果进行第一回归框调整，得到调整后的回归框，使调整后的回归框符合目标的的真实形状和朝向；S22、每一层输出的调整后的检测框分别进入至一个第二分类回归子网络，得到并输出最终的第二回归框和第二分类结果；所述第一分类回归子网络的回归网络损失函数为CIoULoss， 其中，v表示预测的检测框与真实检测框之间长宽比的差距，b，bgt分别表示预测的检测框和真实检测框的中心点，p表示预测的检测框和真实检测框中心点间的欧式距离，c表示能够同时包含预测的检测框和真实检测框的最小封闭区域的对角线距离； 其中，wgt，hgt分别表示真实框的宽和高，w和h分别表示预测的检测框的宽和高；α表示一个权重系数，如下式所示， 所述第二分类回归子网络的网络架构与所述第一分类回归子网络的网络架构相同；调整所述第一分类回归子网络和所述第二分类回归子网络的损失函数，使获得的回归框与目标的真实形状和朝向的误差最小。

全文数据：

权利要求：

百度查询： 北京观微科技有限公司 一种顾及遥感图像旋转目标的目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD