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：本发明涉及一种基于FPN与PAN网络的双重注意力的遥感小目标检测方法，属于计算机视觉领域。本发明首先对FPN网络中的顶层特征图进行池化得到通道向量，再将通道向量进行矩阵运算后得到通道注意力矩阵，接着将其归一化得到通道权重矩阵，并将该权重乘到特征图中得到带有通道权重的特征图，再与低层特征融合。在PAN网络中首先对底层特征图进行通道压缩得到空间向量，再将空间向量进行矩阵运算后得到空间注意力矩阵，接着将其归一化得到空间权重矩阵，并将该权重乘到特征图中得到带有空间权重的特征图，再与高层特征融合。最后送往检测头生成检测结果。本发明可在遥感图像检测中增强目标的检测精度，克服遥感图像中复杂背景信息带来的干扰。

主权项：1.一种基于FPN与PAN网络的双重注意力的遥感小目标检测方法，其特征在于，包括如下步骤：Step1：输入遥感图像集，使用特征提取网络对遥感图像集中的图像进行特征提取，得到每张图像三个不同尺寸的特征图C2,C3,C4，构成特征图金字塔C，其中C＝{C2,C3,C4}；Step2：在FPN中对特征提取网络中的特征图C4进行卷积操作生成特征图金字塔中新的顶层特征图P5，并对P5进行全局池化后生成通道向量并对生成的通道向量进行reshape操作生成二维矩阵，再对该二维矩阵进行转置后与自身相乘得到通道注意力矩阵F5；Step3：将Step2中生成的通道注意力矩阵F5归一化得到通道权重矩阵，并将其与P5相乘得到带有通道权重的P5_w，接着将P5_w与特征提取网络中的特征图C3进行特征融合得到特征图P4；Step4：对Step3中生成的特征图P4进行全局池化后生成通道向量并对生成的通道向量进行reshape操作生成二维矩阵，再对该二维矩阵进行转置后与自身相乘得到通道注意力矩阵F4；Step5：将Step4中生成的通道注意力矩阵F4归一化得到通道权重矩阵，并将其与P4相乘得到带有通道权重的P4_w，接着将P4_w与特征提取网络中的特征图C2进行特征融合得到特征图P3；Step6：在PAN中对Step5中生成的P3进行卷积操作生成特征图金字塔中新的底层特征图N3，并对N3进行通道压缩后生成空间向量并对生成的空间向量进行reshape操作生成二维矩阵，再对该二维矩阵进行转置后与自身相乘得到空间注意力矩阵S3；Step7：将Step6中生成的空间注意力矩阵S3归一化得到空间权重矩阵，并将其与N3相乘得到带有空间权重的N3_w，接着将N3_w与Step3中生成的特征图P4进行特征融合得到N4；Step8：对Step7中生成的特征图N4进行通道压缩后生成空间向量并对生成的空间向量进行reshape操作生成二维矩阵，再对该二维矩阵进行转置后与自身相乘得到空间注意力矩阵S4；Step9：将Step8中生成的空间注意力矩阵S4归一化得到空间权重矩阵，并将其与N4相乘得到带有空间权重的N4_w，接着将N4_w与特征图P5进行特征融合得到N5；Step10：对最终生成的特征图N3、N4、N5进行检测得到遥感小目标检测结果。

全文数据：

权利要求：

百度查询： 昆明理工大学 基于FPN与PAN网络的双重注意力的遥感小目标检测方法