[发明专利]基于中低分辨率遥感图像的目标检测方法、装置及设备

权利要求书

1.基于中低分辨率遥感图像的目标检测方法，其特征在于，包括：

获取训练样本集，所述训练样本集中包括多张原始高分辨率图像以及中低分辨率图像；

将各所述原始高分辨率图像与对应的中低分辨率图像组成训练组输入目标检测模型对其进行迭代训练，并得到已训练的目标检测模型，其中，所述目标检测模型包括学生网络以及教师网络，所述学生网络包括超分辨单元以及检测单元，所述教师网络包括与所述学生网络中结构相同的检测单元，在进行迭代训练时，所述原始高分辨率图像作为真值图像监督所述超分辨单元进行训练的同时，还提供高分辨率图像特征监督检测单元进行训练，其中，对所述目标检测模型进行迭代训练包括：所述学生网络与教师网络中的检测单元均包括依次连接的骨干网络以及区域建议框网络，将所述中低分辨率图像输入所述学生网络中，其中，通过所述超分辨单元得到与所述中低分辨率图像相应的超分辨率图像，通过所述骨干网络对所述超分辨率图像提取相应的中低分辨率图像特征，通过所述区域建议框网络和检测头模块对所述中低分辨率图像特征进行预测，得到中低分辨率图像中目标位置的预测结果，并将其作为所述目标检测模型的输入，将所述原始高分辨率图像输入所述教师网络中，其中，通过所述骨干网络对原始高分辨率图像提取相应的高分辨率图像特征，再通过所述区域建议框网络和检测头模块对所述高分辨率图像特征进行预测，得到原始高分辨率图像中目标位置的预测结果；

其中，在对目标检测模型进行迭代训练时还包括：在每一次进行迭代训练时计算损失函数，并根据所述损失函数对目标检测模型的参数进行调整，直至所述损失函数收敛，所述损失函数包括根据所述中低分辨率图像特征以及对应的高分辨率特征进行计算得到的蒸馏损失函数，并且在计算所述蒸馏损失函数之前，还对所述中低分辨率图像特征以及对应的高分辨率特征在通道维度进行重新排序，再对重新排序后的中低分辨率图像特征以及对应的高分辨率特征进行实例正则化以减小两个特征之间的域差异；

获取待检测的中低分辨率遥感图像，将其输入训练的目标检测模型对所述中低分辨率遥感图像中的目标位置进行检测。

2.根据权利要求1所述的目标检测方法，其特征在于，对所述目标检测模型进行训练的所述中低分辨率图像由原始高分辨率图像进行八倍下采样得到，并且将与各所述原始高分辨率图像对应生成的中低分辨率图像组成所述训练组。

3.根据权利要求2所述的目标检测方法，其特征在于，

所述损失函数还包括：检测损失函数以及超分辨损失函数；

所述超分辨损失函数根据超分辨率图像与对应的高分辨率图像进行计算得到；

所述蒸馏损失函数根据中低分辨率图像特征以及对应的高分辨率特征进行计算得到。

4.根据权利要求3所述的目标检测方法，其特征在于，在所述学生网络以及教师网络中的骨干网络分别对所述中低分辨率图像以及原始高分辨率图像进行特征提取时，由所述骨干网络的特征图金字塔网络四层输出特征层输出所述中低分辨率图像特征以及高分辨率图像特征。

5.根据权利要求1-4任一项所述的目标检测方法，其特征在于，所述检测单元采用包括Faster-RCNN神经网络，或SSD神经网络；

所述超分辨单元采用包括RDN网络。