买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于场景增强的anchor‑free遥感图像目标检测方法及系统，所述方法包括以下步骤：步骤1，通过平衡系数混合增强方式对获取的遥感图像数据集进行线性增强，获得增强后的训练集；步骤2，构建获得基于场景增强的anchor‑free的目标检测模型，通过步骤1得到的训练集对目标检测模型进行训练，直至达到预设的停止条件，获得训练好的目标检测模型；所述训练好的目标检测模型用于遥感图像目标检测。本发明提供了一种更便捷和鲁棒的平衡系数混合增强数据增广方式，利用场景信息增强网络的特征提取能力和类别预测能力，提升了检测精度。

主权项：1.一种基于场景增强的anchor-free遥感图像目标检测方法，其特征在于，包括以下步骤：步骤1，通过平衡系数混合增强方式对获取的遥感图像数据集进行线性增强，获得增强后的训练集；步骤2，构建获得基于场景增强的anchor-free的目标检测模型，通过步骤1得到的训练集对目标检测模型进行训练，直至达到预设的停止条件，获得训练好的目标检测模型；所述训练好的目标检测模型用于遥感图像目标检测；其中，基于场景增强的anchor-free的目标检测模型包括：特征提取子网络，包括：残差结构，所述残差结构为标准残差网络ResNet-50或ResNet-101，用于对遥感图像目标的基本特征进行提取，获得其在3个阶段产生的3个特征层F3，F4，F5；场景增强特征金字塔子网络，包括：场景上下文提取模块，用于基于特征提取子网络获得的3个特征层F3，F4，F5，获得融合后的特征层；用于获得场景中可能出现的物体的类别信息；标准特征金字塔结构，用于通过上采样、下采样的融合方式对场景上下文提取模块获得的融合后的特征层进行转换和二次融合，获得包含上下文信息的融合特征层；联合预测网络，包括：一预测类别的支路和一预测坐标值的支路；用于输入上下文信息的融合特征层，识别出目标；步骤2中，所述联合预测网络的预测类别的支路和预测坐标值的支路，均由全卷积网络构成；其中，两个支路分别都含有4个连续的基本卷积块，每个基本卷积块均由卷积层-归一化-非线性激活层构成；预测类别的支路输出维度是数据集总类别个数K，坐标预测维度为4维的向量t,l,b,r，t,l,b,r分别为包含上下文信息的融合特征层每一个空间位置x，y的预测的真实框的坐标相对特征图的中心位置的偏移值；预测的目标值的表达式为， 式中，ymin,xmin,ymax,xmax分别表示真实标签框的四个坐标值，t*,l*,b*,r*表示回归的目标值；联合预测网络中，将场景上下文提取模块预测出的当前场景下类别存在的概率信息联合到所述联合预测网络的预测类别的支路中，表达式为， 式中，P表示原始分类支路预测结果，T表示场景中可能出现的类别概率预测结果，τ表示场景级别预测类别出现激活判定方式，ε表示激活阈值；将两个预测结果以权重α联合后得到联合预测的目标类别出现概率输出C；其中，在预测类别的支路添加sigmoid激活函数来映射类别概率，在预测坐标值的支路添加expx映射为非负数；将联合预测输出用于目标检测任务。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于场景增强的anchor-free遥感图像目标检测方法及系统