[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

说明书

本申请涉及一种基于中低分辨率遥感图像的目标检测方法、装置及设备。所述方法包括：构建了基于知识蒸馏概念、针对中低分辨率图像进行目标检测的深度学习框架，包括教师网络以及学生网络，并且采用原始高分辨图像以及中低分辨率图像对其进行训练，在训练的过程中原始高分辨率图像不仅作为真值标签监督学生网络中超分辨单元的训练，同时可以提供高分辨率特表示作为特征真值监督学生网活中检测单元的训练，进而提高了已训练的目标检测模型对中低分辨率遥感图像的检测信号。

技术领域

本申请涉及遥感图像分辨技术领域，特别是涉及一种基于中低分辨率遥感图像的目标检测方法、装置及设备。

背景技术

中低分辨率遥感图像(GSD10m/pixel)舰船目标检测是一个价值与挑战并存的任务，因为与高分辨率图像相比，中低分辨率图像不能为检测网络提供充分的细节信息。针对这个挑战，一些方法利用图像超分辨作为图像预处理步骤恢复中低分辨率图像中缺失的细节信息，进而提高检测性能。但这些方法仅利用高分辨率图像作为真值标签监督超分模块的训练，在检测模块中没有被利用，这限制了中低分辨率图像舰船检测的性能。

发明内容

基于此，有必要针对上述技术问题，提供一种能够的充分利用原始高分辨率图像的特征对中低分辨率图像进行目标检测的方法、装置及设备。

一种基于中低分辨率遥感图像的目标检测方法，所述方法包括：

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；

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。

在其中一实施例中，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。

在其中一实施例中，所述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。

在其中一实施例中，所述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：检测损失函数、超分辨损失函数以及蒸馏损失函数；

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；