[发明专利]基于上下文增强的遥感图像目标检测模型建立方法及应用

权利要求书

1.一种基于上下文增强的遥感图像目标检测模型建立方法，其特征在于，包括：

基于神经网络建立待训练的目标检测模型，用于对遥感图像进行目标检测，并利用训练数据集对所述待训练的目标检测模型进行训练，从而在训练结束后，得到基于上下文增强的遥感图像目标检测模型；

其中，所述目标检测模型包括：多尺度特征图提取模块，用于提取输入的遥感图像的多尺度特征图F_s；全局空间上下文模块，用于提取所述多尺度特征图F_s的全局上下文信息，得到全局上下文注意力图M_A；边界信息增强模块，用于增强所述多尺度特征图F_s中的边界信息，得到边界信息增强图第一通道权重学习模块，用于捕捉所述边界信息增强图中通道间的信息关联，得到第一通道权重；第一特征融合模块，用于根据所述第一通道权重将所述全局上下文注意力图M_A和所述边界信息增强图融合，得到边界信息增强的特征图类别信息增强模块，用于增强所述多尺度特征图F_s中的类别信息，得到类别信息增强图第二通道权重学习模块，用于捕捉所述类别信息增强图中通道间的信息关联，得到第二通道权重；第二特征融合模块，用于根据所述第二通道权重将所述全局上下文注意力图M_A和所述类别信息增强图融合，得到类别信息增强的特征图第三特征融合模块，用于将所述多尺度注意力图F_s、所述边界信息增强的特征图以及所述类别信息增强的特征图融合，得到上下文信息增强后的特征图目标检测模块，用于对所述上下文信息增强后的特征图进行目标检测；

训练过程中，通过整个边界框所在区域对所述边界信息增强模块进行监督，通过目标中心点及高斯扩散函数对所述类别信息增强模块进行监督。

2.如权利要求1所述的基于上下文增强的遥感图像目标检测模型建立方法，其特征在于，所述全局空间上下文模块包括：依次连接的m个自适应卷积模块和一个sigmoid层；

其中，m为预设的正整数。

3.如权利要求1所述的基于上下文增强的遥感图像目标检测模型建立方法，其特征在于，所述边界信息增强模块和所述类别信息增强模块的结构相同；

所述边界信息增强模块包括：n个卷积核大小为1*1的第一卷积层、一个第一融合层和一个卷积核大小为3*3的第二卷积层；n为所述多尺度特征图F_s中图像层数；

n个所述第一卷积层分别用于对所述多尺度特征图F_s中的各层图像进行卷积操作，使各层图像的通道数与图像类别数相同；

所述第一融合层用于融合各所述第一卷积层的输出图像，得到多层特征融合后的特征图；

所述第二卷积层用于对所述多层特征融合后的特征图进行卷积操作。

4.如权利要求1所述的基于上下文增强的遥感图像目标检测模型建立方法，其特征在于，所述第一通道权重学习模块和所述第二通道权重学习模块的结构相同；

所述第一通道权重学习模块包括：第一分支、第二分支、第二融合层以及连接于所述第二融合层之后的sigmoid层；

所述第一分支包括依次连接的自适应平均池化层以及一个或多个自适应卷积模块，所述第二分支包括依次连接的自适应最大池化层以及一个或多个自适应卷积模块；所述第一分支和所述第二分支分别用于捕捉输入的特征图中通道间的信息关联，输出相应的中间特征图；

所述第二融合层用于融合所述第一分支和所述第二分支输出的中间特征图。