[发明专利]基于剪枝策略构建卷积神经网络的遥感图像目标检测方法

摘要

本发明公开一种基于剪枝策略构建卷积神经网络的遥感图像目标检测方法，该方法包括以下步骤：步骤一、对目标检测训练数据集进行预处理；步骤二、对初始网络进行预训练，获得稠密网络；步骤三、对步骤二得到的稠密网络，采用基于网络剪枝技术的稠密‑稀疏训练方式，获得训练后稀疏网络，对训练后稀疏网络采用稠密训练方式进行训练，获得精确目标分类网络；步骤四、对步骤三得到的训练后稀疏网络进行处理，并采用稀疏‑稀疏的训练方式，获得快速区域提取网络；步骤五、从目标检测测试数据集生成多尺度图像金字塔，再先后使用快速区域提取网络和精确目标分类网络进行两阶段预测，获得目标的位置和类别标签。

主权项

一种基于剪枝策略构建卷积神经网络的遥感图像目标检测方法，其特征在于：至少包括以下步骤：步骤一、对目标检测训练数据集进行预处理，使得训练集正负比例达到均衡，输出区域提取训练数据集和目标分类训练数据集；步骤二、使用遥感图像公共数据集AID(Aerial Image Dataset)对初始网络进行预训练，获得稠密网络DN(Dense Network)；步骤三、对步骤二得到的DN，使用目标分类训练数据集，采用基于网络剪枝技术的稠密‑稀疏训练方式进行训练，获得训练后稀疏网络SN(Sparse Network)；恢复训练后SN剪掉的枝，对训练后SN采用稠密训练，使用目标分类训练数据集，获得精确目标分类网络AOCN(Accurate Region Classification Network)；步骤四、提取步骤三中间得到的训练后SN第一到第五卷积层，为五层卷积层添加区域分类层和包围盒回归层，获得原始区域提取网络ORPN(Original Region Proposal Network)；对ORPN，使用区域提取训练数据集，采用基于网络剪枝技术的稀疏‑稀疏的训练方式，获得快速区域提取网络FRPN(Fast Region Proposal Network)；步骤五、从目标检测测试数据集生成多尺度图像金字塔，再先后使用FRPN和AOCN进行两阶段预测，获得目标的位置和类别标签。