CN115641484B 基于三元特征融合的变尺度遥感图像目标检测方法 （西安电子科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115641484B(45)授权公告日2025.07.01

(21)申请号202211347000.X

(22)申请日2022.10.31

(65)同一申请的已公布的文献号申请公布号CN115641484A

(43)申请公布日2023.01.24

(73)专利权人西安电子科技大学

地址710071陕西省西安市太白南路2号

(72)发明人马文萍陈浩朱浩武越李腾武邬一婷

GO6V20/70(2022.01)

G06T7/73(2017.01)

(56)对比文件

CN112733942A,2021.04.30CN112396002A,2021.02.23审查员王黎明

(74)专利代理机构西安嘉思特知识产权代理事

务所(普通合伙)61230专利代理师万艳艳

(51)Int.CI.

GO6V10/774(2022.01)

GO6V10/80(2022.01)权利要求书4页说明书12页附图2页

(54)发明名称

基于三元特征融合的变尺度遥感图像目标检测方法

(57)摘要

CN115641484B本发明提供了一种基于三元特征融合的变尺度遥感图像目标检测方法，在对构建变尺度遥感图像目标检测模型训练完成之后，对待检测遥感图像，通过训练好的变尺度遥感图像目标检测模型中的主干网路从待检测遥感图像中提取多尺度特征图，之后采用三元特征融合网络整合来自不同尺度特征信息，然后采用特征自膨胀网络进行特征图尺度调整，增强深层特征的语义表征能力，最后通过检测头网络输出目标位置的预测框，从而解码得到目标在所述待测遥感图像中的

CN115641484B

获取遥感图像组成的数据集以及待测遥感图像

获取遥感图像组成的数据集以及待测遥感图像

根据每个锚框生成预测目标所在位置的多个先验框

获取基于三元特征融合，

构建的变尺度遥感图像目标检测模型

将数据集中的每个遥感图像作为训练样本，并基于所有训

练样本以及先验框对变尺度遥感图像目标检测模型进行迭

代训练，获得训练好的变尺度遥感图像目标检测模型

使用训练好的变尺度遥感图像目标检测模型对待测遥感图像进行检测，获得标注目标具体位置的预测框

对预测框进行解码获得目标的真实坐标位置

步骤1

步骤2

步骤3

步骤4

步骤5

步骤6

CN115641484B权利要求书1/4页

2

1.一种基于三元特征融合的变尺度遥感图像目标检测方法，其特征在于，包括：

步骤1:获取遥感图像组成的数据集以及待测遥感图像；

其中，所述数据集分为训练集以及测试集，所述数据集中的每个遥感图像都包含至少一个用于标注目标位置的锚框；

步骤2:根据每个锚框生成预测目标所在位置的多个先验框；

步骤3:获取基于三元特征融合，构建的变尺度遥感图像目标检测模型；

步骤4:将所述数据集中的每个遥感图像作为训练样本，并基于所有训练样本以及所述先验框对所述变尺度遥感图像目标检测模型进行迭代训练，获得训练好的变尺度遥感图像目标检测模型；

步骤5:使用训练好的变尺度遥感图像目标检测模型对所述待测遥感图像进行检测，获得标注目标具体位置的预测框；

步骤6:对所述预测框进行解码获得目标的真实坐标位置；

步骤3中的变尺度遥感图像目标检测模型包括：依次相连的特征提取主干网络、三元特征融合网络、特征自膨胀网络以及检测头网络；

所述特征提取主干网络由多层卷积层构成，所述三元特征融合网络包括上采样网络、局部特征显著性增强网络和特征融合网络；

其中，所述特征提取主干网络，用于执行多次下采样操作，从而从输入图像中提取多个尺度特征图像，并输入至所述上采样网络、所述局部特征显著性增强网络以及所述特征融合网络；所述上采样网络，用于对输入的尺度特征图像通过上采样操作向浅层网络传递深层语义信息，并将深层语义信息输入至所述特征融合网络；所述局部特征显著性增强网络，用于对输入的尺度特征图像通过降采样操作向深层网络传递浅层重点局部细节信息，并将浅层重点局部细节信息输入至所述特征融合网络；所述特征融合网路，用于将深层语义信息、浅层重点局部细节信息以及三元特征融合网络输入的尺度特征进行三元拼接操作，获得保留局部重点特征和深层语义特征的融合特征图，并将所