公开(公告)号：CN113111727B

公开(公告)日：2024-05-31

申请号：CN202110297143.3

申请日：2021-03-19

申请人： 西北工业大学

发明人： 袁媛 ,  李治国 ,  马单丹

IPC分类号： G06V10/26 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/084 ,  G06N3/0464 ,  G06V20/13

摘要： 本发明公开了一种基于特征对齐的遥感场景下旋转目标检测方法，首先生成训练集，然后在Residual Network和Feature Pyramid Networks的基础上构建目标检测网络，对输入样本图像进行多尺度特征提取，再设计特征对齐模块，将由Feature Pyramid Networks网络得到的回归分支特征和分类分支特征进行特征融合，获得特征对齐后的有效特征，然后再经过由粗到细的检测框回归模块，所提取的特征利用通用卷积生成粗糙的检测框，之后再利用可变形卷积微调粗糙检测框，最终得到定位更加准确的检测框；最后对旋转检测网络进行训练，得到训练好的模型用于实际场景中的旋转目标检测任务。本发明相比现有技术直接预测检测框，检测框位置更加精确，算法的检测速度得到明显的提升。

公开(公告)号：CN113111727A

公开(公告)日：2021-07-13

申请号：CN202110297143.3

申请日：2021-03-19

申请人： 西北工业大学

发明人： 袁媛 ,  李治国 ,  马单丹

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于特征对齐的遥感场景下旋转目标检测方法，首先生成训练集，然后在Residual Network和Feature Pyramid Networks的基础上构建目标检测网络，对输入样本图像进行多尺度特征提取，再设计特征对齐模块，将由Feature Pyramid Networks网络得到的回归分支特征和分类分支特征进行特征融合，获得特征对齐后的有效特征，然后再经过由粗到细的检测框回归模块，所提取的特征利用通用卷积生成粗糙的检测框，之后再利用可变形卷积微调粗糙检测框，最终得到定位更加准确的检测框；最后对旋转检测网络进行训练，得到训练好的模型用于实际场景中的旋转目标检测任务。本发明相比现有技术直接预测检测框，检测框位置更加精确，算法的检测速度得到明显的提升。