买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳清华大学研究院

摘要：本发明提供一种基于检测器解耦的半监督遥感目标检测方法及装置，涉及遥感图像处理技术领域，方法包括：将获取的待检测的遥感图像输入至目标检测模型，得到目标检测模型输出的检测结果；目标检测模型是基于无标签样本遥感图像、有标签样本遥感图像以及有标签样本遥感图像中至少一个样本目标的真实检测框的宽高比对应的权重进行训练得到的，目标检测模型用于对待检测的遥感图像中的至少一个目标进行检测。在训练目标检测模型时结合无标签样本遥感图像、有标签样本遥感图像以及有标签样本遥感图像中至少一个样本目标的真实检测框的宽高比对应的权重，使得目标检测模型的性能较好，从而提升遥感图像中目标检测的准确性。

主权项：1.一种基于检测器解耦的半监督遥感目标检测方法，其特征在于，包括：获取待检测的遥感图像；将所述待检测的遥感图像输入至目标检测模型，得到所述目标检测模型输出的检测结果；所述目标检测模型是基于无标签样本遥感图像、有标签样本遥感图像以及所述有标签样本遥感图像中至少一个样本目标的真实检测框的宽高比对应的权重进行训练得到的，所述目标检测模型用于对所述待检测的遥感图像中的至少一个目标进行检测；所述检测结果包括各所述目标的检测框坐标和分类类型；所述目标检测模型包括特征提取器、区域生成模块、区域池化模块、回归检测器和学生分类检测器；所述目标检测模型是基于以下步骤训练得到的：获取训练数据集；所述训练数据集包括多个无标签样本遥感图像和多个有标签样本遥感图像；采用各所述无标签样本遥感图像和各所述有标签样本遥感图像，对初始检测模型进行训练，得到所述目标检测模型；所述采用各所述无标签样本遥感图像和各所述有标签样本遥感图像，对初始检测模型进行训练，得到所述目标检测模型，包括：分别将各所述无标签样本遥感图像和各所述有标签样本遥感图像输入至初始特征提取器，得到所述初始特征提取器输出的各所述无标签样本遥感图像对应的第一样本特征图像和各所述有标签样本遥感图像对应的第二样本特征图像；分别将各所述第一样本特征图像和各所述第二样本特征图像输入至初始区域生成模块，得到所述初始区域生成模块输出的各所述第一样本特征图像中各所述样本目标对应的第一样本区域图像和各所述第二样本特征图像中各所述样本目标对应的第二样本区域图像；分别将各所述第一样本区域图像和各所述第二样本区域图像输入至初始区域池化模块，得到所述初始区域池化模块输出的各所述第一样本区域图像对应的第一样本区域特征和各所述第二样本区域图像对应的第二样本区域特征；各所述第一样本区域特征的维度相同，各所述第二样本区域特征的维度相同；基于各所述第一样本区域特征和各所述第二样本区域特征，确定所述目标检测模型；所述基于各所述第一样本区域特征和各所述第二样本区域特征，确定所述目标检测模型，包括：采用至少一种特征增强方式，对各所述第一样本区域特征进行特征增强，得到多个增强后的第一样本区域特征；将各所述增强后的第一样本区域特征和各所述第二样本区域特征输入至初始回归检测器，得到所述初始回归检测器输出的各所述增强后的第一样本区域特征对应的各所述样本目标的第一样本检测框坐标和各所述第二样本区域特征对应的各所述样本目标的第二样本检测框坐标；将各所述增强后的第一样本区域特征和各所述第二样本区域特征输入至初始学生分类检测器，得到所述初始学生分类检测器输出的各所述增强后的第一样本区域特征对应的各所述样本目标的第一分类分数和各所述第二样本区域特征对应的各所述样本目标的第二分类分数；将各所述第二样本区域特征输入至初始教师分类检测器，得到所述初始教师分类检测器输出的各所述样本目标的伪标签；所述初始教师分类检测器的结构和所述初始学生分类检测器的结构相同，所述初始教师分类检测器的参数是基于所述初始学生分类检测器的参数的指数移动平均值更新得到的；基于各所述样本目标的第一样本检测框坐标、各所述样本目标的真实检测框的宽高比对应的权重、各所述样本目标的第二样本检测框坐标、各所述样本目标的真实检测框坐标、各所述样本目标的第一分类分数、各所述样本目标的第二分类分数和各所述样本目标的伪标签，确定总损失函数值；基于所述总损失函数值，确定所述目标检测模型。

全文数据：

权利要求：

百度查询： 深圳清华大学研究院 一种基于检测器解耦的半监督遥感目标检测方法及装置