基于改进RetinaNet的遥感图像目标检测模型
申请人信息
- 申请人:华东交通大学
- 申请人地址:330013 江西省南昌市经济技术开发区双港东大街808号
- 发明人: 华东交通大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于改进RetinaNet的遥感图像目标检测模型 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410169692.6 |
| 申请日 | 2024/2/6 |
| 公告号 | CN117710827A |
| 公开日 | 2024/3/15 |
| IPC主分类号 | G06V20/10 |
| 权利人 | 华东交通大学 |
| 发明人 | 刘伟; 康紫文; 程路; 郑宇超; 周庆忠; 于洋 |
| 地址 | 江西省南昌市经济技术开发区双港东大街808号 |
摘要文本
本发明提供一种基于改进RetinaNet的遥感图像目标检测模型，本发明引入了改进的下采样模块，将其嵌入到RetinaNet骨干网络中，融合三种下采样方法对提取到的特征来生成下采样图像特征，增强模型捕获复杂细节的能力，利用核选择模块的卷积核选择机制动态选择空间感受野，增强模型提取并融合多尺度特征信息的能力，进而对多尺度的信息进行建模，最后得到目标物体的分类和回归结果，实验结果表明，本发明的模型在大规模遥感图像目标检测数据集DOTA上的全类平均准确率优于传统的RetinaNet目标检测模型，能够更精确地检测遥感目标。 搜索
专利主权项内容
1.一种基于改进RetinaNet的遥感图像目标检测模型，包括RetinaNet骨干网络、特征金字塔和分类回归子网，其特征在于，在所述RetinaNet骨干网络中引入改进的下采样模块，所述模型还包括核选择模块；所述骨干网络在进行残差学习时采用所述改进的下采样模块进行下采样，所述改进的下采样模块将输入的图像特征P复制为图像特征P和图像特征P，其中，P∈，表示实数，、和分别表示图像特征的宽度、高度和通道数量，所述改进的下采样模块对图像特征P进行切片下采样，经过切片处理得到四个空间下采样后的图像特征C、C、C和C，切片下采样的过程，在通道维度，拼接图像特征C、C、C和C，得到新的图像特征，经过拼接，使图像特征P的通道数量由C增加到4C，接着，再使用步长为1的1×1卷积运算将新的图像特征的通道数量压缩为2C，得到图像特征Q；12RH×W×CRWHC11234123411所述改进的下采样模块对图像特征P采用两个分支进行处理，在其中一个分支，使用步长为1、尺寸为3×3的分组卷积GConv处理，然后使用步长为2的3×3卷积进行下采样，并使用GELU激活函数和归一化层，得到图像特征Q；在另一个分支上，使用步长为1、尺寸为3×3的分组卷积GConv处理，并做最大池化和归一化处理，得到图像特征Q；223在通道方向上拼接图像特征Q、Q和Q，并在拼接结果上使用1×1卷积层，得到图像特征；123所述核选择模块根据输入图像的特性动态选择多种不同的卷积核融合特征。