[发明专利]一种基于无锚点级联检测的无人机图像车辆目标识别方法

权利要求书

1.一种基于无锚点级联检测的无人机图像车辆目标识别方法，其特征在于，包括以下步骤：

S1：选取数据集；

采用现有的UAVDT数据集作为本方法的数据集，对模型进行训练；

S2：采用Resnet50对输入的原始图片进行特征提取，获得多尺度的特征图；

S3：依次将S2中输出的高层特征图进行两倍上采样，并与S2中的低层特征图相加，得到融合后的特征图；为了使后续的检测模块能够拥有更多尺度的特征，将融合后的特征图中的最上层特征图进行连续两倍下采样，得到扩展的两层特征图；最后得到一个自顶向下的金字塔结构的多尺度融合后的特征图；

S4：对S3处理后的特征图进行级联检测；

S5：划分正负样本；对于金字塔结构的每一层特征图，在S4得到的结果的基础上，计算其每个点的适应度，并将所有适应度的值统计得到全局阈值，高于阈值的为正样本，否则为负样本；

S6：检测目标的类别与位置；

根据需要选用合适的无锚点检测器；将特征图分别输入分类、回归两个子网络，在S5得到的正样本上，对检测结果进行进一步调整；将预测框输入归回网络，调整框的位置，并计算预测框的类别置信度，置信度较高的类别即为目标的类别；最后使用非极大值抑制，在众多预测框中保留单个类别中检测结果最好的一个，得到最后的检测结果。

2.根据权利要求1所述的一种基于无锚点级联检测的无人机图像车辆目标识别方法，其特征在于，S2详细步骤为：

使用Resnet50作为特征提取模块的主干，提取原始图片的特征；Resnet50共有五个阶段，每个阶段都会输出一个特征图，同时也是下一阶段的输入；不同阶段输出的特征图尺度不同，越上层的特征图，尺度越小，通道数越多；

首先将输入的原始图片进行处理，具体过程如下：

Out＝Conv_7×7(C，W，H，k，s)#(1)

其中Out代表第一阶段输出的特征图，Conv_7×7代表大小为7×7的卷积层，C表示输入的图片的通道数，RGB图像的通道数为3，W，H分别代表输入图片的宽和高，k表示卷积核的大小，s代表卷积核移动的步长；其中k＝64，s＝2；

其次对输出的特征图依次进行特征提取，具体过程如下：

P_i＝Conv_3×3(C_i，W，H，k_i，s_i)#(2)

其中，P_i为第i阶段输出的特征图，Conv_3×3表示大小为3×3的卷积层，C_i表示第i阶段输入的特征图的通道数，W，H分别代表输入特征图的宽和高；k_i表示卷积核的大小，其中k_i＝256×2^i-1；s_i代表卷积核移动的步长，s_i＝2；最后输出四个特征图，自下而上分别为{P₂，P₃，P₄，P₅}，通道数分别为{256，512，1024，2048}。