[发明专利]面向大尺寸遥感影像的物体检测识别方法

权利要求书

1.面向大尺寸遥感影像的物体检测识别方法，其特征在于，包括：

步骤S1.进行网络训练，其包括：

步骤S11.构建样本集，并对样本集进行影像预处理、影像切割与样本增广；

步骤S12设计网络，其包括：

步骤S121设计网络结构

网络通过定制化的卷积结构对输入图像层层提取信息，并对最后关键特征层进行卷积或反卷积，使各卷积层尺寸统一；

将统一尺寸后的各卷积层级联起来形成综合特征层；

进而形成网络输出的三维矩阵，网络训练和学习该三维矩阵；

步骤S122设计特征图

在网格内设置多个锚点，各锚点均匀分布在网格内；对于每个锚点，设置k个不同大小的锚框；

步骤S123设计损失函数；

步骤S13网络训练：根据训练集大小确定训练迭代次数；在不同的样本集上进行至少两次训练；

步骤S2.进行网络推理。

2.如权利要求1所述的面向大尺寸遥感影像的物体检测识别方法，其特征在于，进行网络训练时，训练迭代次数根据训练集大小确定，将训练集完整迭代1遍视为1个“一代训练”；在不同的样本集上进行多次训练：

首先在目标切片占比高的样本集上进行初次训练，然后在目标切片占比低的样本集上进行增量训练。

3.如权利要求1或2所述的面向大尺寸遥感影像的物体检测识别方法，其特征在于，设计损失函数时将预测框分为三类，即：

第一类，与真实目标的交并比大于0.5的预测框视作目标框，记网络检测的目标框总数为N；

第二类，与真实目标的交并比小于0.4的预测框视作背景框，即无目标，记背景框总数为M；

第三类，与真实目标的交并比介于0.4与0.5之间的预测框不参与损失函数计算；

将背景框大小计入损失函数。

4.如权利要求1或2所述的面向大尺寸遥感影像的物体检测识别方法，其特征在于，影像切割与样本增广时，将大尺寸影像切割成符合使用要求的切片，在裁剪的过程中，保留预定大小的重叠区域。

5.如权利要求4所述的面向大尺寸遥感影像的物体检测识别方法，其特征在于，单个所述切片能够容纳尺寸最大的样本。

6.如权利要求4所述的面向大尺寸遥感影像的物体检测识别方法，其特征在于，在影像切割和样本增广的过程中，对标注信息做相应修改。

7.如权利要求5或6所述的面向大尺寸遥感影像的物体检测识别方法，其特征在于，在切片样本生成后，按照6:4或者7:3的比例，分成训练集和验证集，以完成样本构建。

8.如权利要求7所述的面向大尺寸遥感影像的物体检测识别方法，其特征在于，样本集构建时保留既定比例的含目标切片和纯背景切片，以降低网络检测的虚警率。

9.如权利要求1或2或5-8中任一项所述的面向大尺寸遥感影像的物体检测识别方法，其特征在于，构建多个包含不同目标/纯背景比例的样本集。