一种多尺度模糊边界条件下的遥感目标检测方法

专利主权项内容

1.一种多尺度模糊边界条件下的遥感目标检测方法，其特征在于：包括以下步骤：S1，构造数据集；获取包含目标的光学遥感图像，对每张光学遥感图像中的目标进行类别和边界框标注，标注后的光学遥感图像作为样本，构成数据集；S2，构造一IS DETR网络；2选取一Deformable DETR模型，包括CNN网络、Transformer网络和检测头，所述Transformer网络包括编码器和解码器，所述编码器为IS注意力模块；2所述CNN网络用于对输入的样本，提取其L个不同尺度的特征，并将每个特征扁平化为第一序列，构成该样本的第一多尺度特征集合，其中样本X的第一多尺度特征集合为，为第个尺度的特征对应的第一序列，=1~；xiiiL所述IS注意力模块包括尺度内注意力模块、尺度间注意力模块、第一向量拼接层和第一线性层；2所述尺度内注意力模块基于可变形注意力机制，对样本的每个第一序列，用多个注意力头进行可变形注意力操作，得到L个与第一序列一一对应的第二序列；所述尺度间注意力模块基于键值对注意力机制，对样本的每个第二序列，用多个注意力头进行尺度间注意力操作，得到L个与第二序列一一对应对应的第三序列；所述第一向量拼接层用于对样本的L个第三序列进行相向量拼接并输出；所述第一线性层用于将第一权重矩阵与第一向量拼接层的输出相乘输出增强特征；S3，用数据集训练IS DETR网络；2输入样本，对每个样本，经CNN网络得到对应的第一多尺度特征集合，再经IS注意力模块得到对应的增强特征，所述增强特征经解码器和检测头后得到目标的预测类别和预测边界框；2采用梯度下降算法训练至IS DETR网络收敛，得到IS DETR模型；22S4，用IS DETR模型对待识别的光学遥感图像进行目标检测，输出目标的预测类别和预测边界框。2 更多数据：