[发明专利]目标检测模型的训练方法、目标检测方法及相关设备

权利要求书

1.一种目标检测模型的训练方法，包括：

获取训练样本数据，所述训练样本数据包括第一遥感图像和所述第一遥感图像中待检测对象的锚定框的位置标注信息，所述位置标注信息包括所述锚定框相对于预设方向的角度信息；

基于目标检测模型获取所述第一遥感图像的目标特征图，基于所述目标特征图对所述待检测对象进行目标检测，得到目标边界框，并基于所述角度信息，确定所述锚定框和所述目标边界框之间的损失信息；

基于所述损失信息，更新所述目标检测模型的参数；

所述角度信息通过如下方式确定：

获取第一遥感图像中待检测对象的顶点的坐标序列，所述坐标序列为所述待检测对象的顶点的坐标按照目标时针顺序进行排列的序列；所述获取第一遥感图像中待检测对象的顶点的坐标序列，包括：使用待检测对象的头部点作为起始点，按照顺时针顺序依次标定，得到所述坐标序列；

基于所述坐标序列，确定所述第一遥感图像中待检测对象的锚定框相对于预设方向的角度信息；

所述目标检测模型包括RetinaNet网络，所述RetinaNet网络用于对所述第一遥感图像进行特征提取；

所述基于目标检测模型获取所述第一遥感图像的目标特征图，包括：

将所述训练样本数据输入至所述目标检测模型执行如下操作，以得到所述第一遥感图像的目标特征图：

对所述第一遥感图像进行特征提取，得到所述第一遥感图像的特征图，所述特征图包括第一特征点和所述第一特征点对应的第一特征向量；

基于所述特征图，确定所述第一特征点对应的目标候选边界框；

基于所述目标候选边界框和第一特征向量对所述特征图进行重构，得到所述目标特征图，所述目标特征图包括基于所述目标候选边界框确定的第二特征点和所述第二特征点对应的第二特征向量；

所述特征图还包括所述目标候选边界框的位置信息对应的第三特征向量；

所述基于所述目标候选边界框和第一特征向量对所述特征图进行重构，得到所述目标特征图，包括：

基于所述第一特征向量和第三特征向量对所述特征图进行重构，得到所述目标特征图；

所述基于所述第一特征向量和第三特征向量对所述特征图进行重构，得到所述目标特征图，包括：

确定所述第三特征向量对应的K个特征向量，所述第二特征向量包括所述K个特征向量，K为大于1的正整数；

将所述第一特征点作为第二特征点，并将所述特征图中所述第一特征向量替换为所述K个特征向量，得到所述目标特征图；

所述确定所述第三特征向量对应的K个特征向量，包括：

通过双线性插值方法在0至180度对所述第三特征向量进行插值，以获得所述第三特征向量对应的K个特征向量；

所述将所述特征图中所述第一特征向量替换为所述K个特征向量，得到所述目标特征图，包括：

通过双向卷积添加所述特征图，将所述K个特征向量替换所述第一特征点对应的第一特征向量，以获得新的特征，得到所述目标特征图。

2.根据权利要求1所述的方法，其中，所述基于所述角度信息，确定所述锚定框和所述目标边界框之间的损失信息，包括：

确定所述锚定框和所述目标边界框之间的交并比；

基于所述交并比和角度信息，确定所述锚定框与所述目标边界框之间的损失信息。

3.根据权利要求1所述的方法，其中，所述基于所述特征图，确定所述第一特征点对应的目标候选边界框，包括：

基于所述特征图，确定所述第一特征点对应的N个候选边界框，N为正整数；

获取所述N个候选边界框中置信度最高的所述目标候选边界框。

4.一种目标检测方法，包括：使用如权利要求1至3中任一项所述的方法训练得到的目标检测模型对第二遥感图像进行目标检测。