[发明专利]基于四尺度深浅层特征融合的遥感图像小目标检测方法

权利要求书

1.一种基于四尺度深浅层特征融合的遥感图像小目标检测方法，包括：

其特征在于：

S101：构建基于四尺度深浅层特征融合的遥感图像小目标检测网络结构；所述网络结构为改进SDD网络；

S102：采用迁移学习对所述网络结构进行训练，得到训练完成的网络结构；

S103：将遥感数据集输入至所述训练完成的网络结构，得到遥感图像的目标检测结果；

网络结构训练过程中，采用VGG16对输入图像进行各层特征提取，并利用特征融合模块对提取的各层特征进行融合，得到4个输出特征层；

将所述输出特征层输入至检测层，利用改进损失函数训练所述网络结构，得到训练完成的网络结构。

2.如权利要求1所述的基于四尺度深浅层特征融合的遥感图像小目标检测方法，其特征在于：

所述特征融合模块采用特征拼接算法或者特征相加算法中的任意一种。

3.如权利要求2所述的基于四尺度深浅层特征融合的遥感图像小目标检测方法，其特征在于：

所述特征融合模块融合各层特征时，只融合前4个特征层，不改变后两个特征层。

4.如权利要求3所述的基于四尺度深浅层特征融合的遥感图像小目标检测方法，其特征在于：所述特征融合模块通过使用3*3卷积、批量正则化和ReLU进行融合。

5.如权利要求1所述的基于四尺度深浅层特征融合的遥感图像小目标检测方法，其特征在于：

所述改进损失函数，其公式为：

其中，x表示真实框；c表示预测框；l为预测的位置信息；N为与真实框相匹配的先验框个数；L_conf(x,c)为分类损失；L_loc(x,l,g)为位置损失；α为权值系数为预设值；当时表示第i个先验框与第j个真实框相匹配，并且类别为k，否则为0；N_pos表示正样本集合；{C_X,C_Y,w,h}分别表示边界框中心像素坐标以及宽高；a、b、c、d均为预设值。