[发明专利]基于改进darknet网络的地空导弹阵地目标检测与识别方法

权利要求书

1.一种基于改进darknet网络的地空导弹阵地目标检测与识别方法，其特征在于，构建改进的darknet多尺度目标检测网络，包括特征提取模块，N个多尺度特征融合模块，N+1个多尺度特征输出分支以及分类回归模块；

所述特征提取模块采用改进darknet网络，用于接收输入的遥感图像，并依次经过卷积块和残差块，提取得到单一尺度下不同的特征；其中，遥感图像在卷积块中依次进行卷积、批处理正则化操作进入残差块；

所述多尺度特征融合模块以残差块提取到的不同特征作为输入，将上一级残差块输出的特征与该级的残差块输出的特征通过张量拼接结合起来，得到融合后的多尺度特征；

所述N+1个多尺度特征输出分支包括特征提取模块以及多尺度特征融合模块提取的N+1个特征输出分支后分别经过所述卷积块的操作后得到N+1个尺度特征；

所述分类回归模块分别对N+1个尺度特征进行分类和回归后输出检测目标位置。

2.根据权利要求1所述的基于改进darknet网络的地空导弹阵地目标检测与识别方法，其特征在于，所述特征提取模块由一个卷积块和N+2个残差块连接组成；其中，

所述卷积块由卷积层，批处理正则化层和激活函数组成，数据依次进行卷积、正则化操作得到第一层提取的特征；

所述残差块包括一层卷积块连接若干个残差单元；

所述残差单元包括两个串联的卷积块和串联后卷积块的输入端到输出端的级联；

第N+2个残差块得到的特征通过一个卷积块操作后输出。

3.根据权利要求1所述的基于改进darknet网络的地空导弹阵地目标检测与识别方法，其特征在于，设置有三个多尺度特征融合模块，所述多尺度特征融合模块执行步骤包括：

第一个多尺度特征融合块将特征提取模块整体提取的特征经过一个卷积块和上采样操作后用张量拼接的方法与第四残差块提取到的特征相结合，并连接一个卷积块操作后输出；

第二个多尺度特征融合块将第一个多尺度特征融合块提取的特征经过一个卷积块和上采样操作后用张量拼接的方法与第三残差块提取到的特征相结合，并连接一个卷积块操作后输出；

第三个多尺度特征融合块将第二个多尺度特征融合块提取的特征经过一个卷积块和上采样操作后用张量拼接的方法与第二残差块提取到的特征相结合，并连接一个卷积块操作后输出。

4.根据权利要求1所述的基于改进darknet网络的地空导弹阵地目标检测与识别方法，其特征在于，所述分类回归模块执行步骤包括：

通过分类函数softmax指导分类过程，获得导弹阵地的类别信息；

通过边界框回归损失函数指导回归过程，获得导弹阵地的位置信息，并以矩形框的形式在输出的特征图像中标出，作为检测的可视化结果；

边界框回归损失函数如公式(1)所示:

其中，边界框回归损失函数τ_GIOU＝1-GIOU，A为对目标的预测结果，B为目标的真实值，C为同时包含A与B的最小的box。