(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210182313.8 (22)申请日 2022.02.25 (71)申请人 河南大学 地址 475001 河南省开封市顺河区明伦街 85号 (72)发明人 周黎鸣　饶晓晗　李亚辉　左宪禹　 乔保军　葛强　谢毅　田军锋　 (74)专利代理 机构 郑州大通专利商标代理有限 公司 41111 专利代理师 刘莹莹 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/40(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) (54)发明名称 基于密集特征融合网络的轻量级遥感目标 检测方法 (57)摘要 本发明提供一种基于密集特征融合网络的 轻量级遥感目标检测方法。 该方法包括： 步骤1： 构建主干网络， 利用所述主干网络提取遥感图像 的不同尺 寸的特征信息； 步骤2： 构建密集特征融 合颈部网络， 利用所述密集特征融合颈部网络将 不同尺寸的特征信息进行特征融合； 步骤3： 将融 合后的特征信息将送到预测头进行检测， 获得检 测结果。 本发 明可以更好地解决由复杂多变的遥 感图像引起的外界干扰因素问题， 从而提取遥感 图像中复杂背景 下目标的特 征信息。 权利要求书1页 说明书4页 附图3页 CN 114596488 A 2022.06.07 CN 114596488 A 1.基于密集特 征融合网络的轻量级遥感目标检测方法， 其特 征在于， 包括： 步骤1： 构建主干网络， 利用所述主干网络提取遥感图像的不同尺寸的特 征信息； 步骤2： 构建密集特征融合颈部网络， 利用所述密集特征融合颈部网络将不同尺寸的特 征信息进行 特征融合； 步骤3： 将融合后的特 征信息将送到预测头进行检测， 获得检测结果。 2.根据权利要求1所述的基于密集特征融合网络的轻量级遥感目标检测方法， 其特征 在于， 步骤1具体包括： 所述主干网络输出四种尺寸的特征图， 按照尺寸从大到小的顺序依次为： 特征图C1、 特 征图C2、 特 征图C3和特征图C4； 采用第一特征复用模块和第二特征复用模块分别对特征图C2和特征图C3进行特征复 用； 其中， 第一特征复用模块的特征复用过程具体为： 将特征图C4的尺 寸调整为与特征图C3 的尺寸一致， 得到新的特征图C4 ’， 然后将特征图C4 ’和特征图C3进 行concat操作后输出； 第 二特征复用模块的特征复用过程具体为： 将特征图C4和特征图C3的尺寸均调整为与特征图 C2的尺寸一致， 分别得到新的特征图C4 ’ ’和特征图C3 ’ ’， 然后将特征图C4 ’ ’、 特征图C3 ’ ’和 特征图C2进行co ncat操作后输出； 所述第一特征复用模块的输出、 所述第二特征复用模块的输出和特征图C4即为提取出 的遥感图像的不同尺寸的特 征信息。 3.根据权利要求1所述的基于密集特征融合网络的轻量级遥感目标检测方法， 其特征 在于， 所述密集特征融合颈部网络为将原YOLOv5网络结构中特征融合网络的CSP模块替换 为CSRDB模块后的网络； 其中， 所述CSRDB模块包括上下两个分支； 上分支依次包括第一CBS单元、 RDB单元和第 一卷积层； 下分支包括第二卷积层； 上分支和下分支的输入相同， 上、 下两个分支的输出经 concat操作后输入至第二CBS单 元。权　利　要　求　书 1/1 页 2 CN 114596488 A 2基于密集特征融合网 络的轻量级遥感目标 检测方法 技术领域 [0001]本发明涉及遥感目标检测技术领域， 尤其涉及一种基于密集特征融合网络的轻量 级遥感目标检测方法。 背景技术 [0002]遥感图像传感器的发展， 使得人们可以利用遥感技术获得高质量、 高分辨率的遥 感图像。 与此同时， 对遥感图像进行目标检测工作也在 军事、 民用等方面有着十 分重大的意 义。 现如今， 将 深度学习模型运用到 遥感目标检测领域上也受到越来越多人的关注。 [0003]许多基于卷积神经网络 的检测模型都取得了良好的效果， 然而， 由于遥感图像的 特殊性， 普通 目标检测框架无法很好地适用于遥感 图像， 相比于在自然图像上进行目标检 测工作， 遥感图像上的目标检测工作通常面临以下几点挑战： (1)遥感目标的尺寸相对于图 像通常很小， 大多现有网络很难从遥感图像中提取特征， 容易产生较高的漏检率； (2)遥感 图像常被阴影、 类似物体、 复杂背景等外界因素所干扰， 这是因为网络的特征提取能力不 足， 导致物体和误检物体之间的纹理规则和特征信息难以区分。 大多检测方法在遥感图像 上难以提取 特征， 检测性能受限。 发明内容 [0004]针对在遥感图像目标检测工作过程中， 由于遥感目标的尺寸相对于图像通常很 小， 并且遥感图像常被阴影、 类似物体、 复杂背 景等外界因素所干扰导致遥感目标检测困难 的问题， 同时考虑到检测的准确性和速度， 本发明提供一种基于密集特征融合网络的轻量 级遥感目标检测方法。 [0005]本发明提供一种基于密集特 征融合网络的轻量级遥感目标检测方法， 包括： [0006]步骤1： 构建主干网络， 利用所述主干网络提取遥感图像的不同尺寸的特 征信息； [0007]步骤2： 构建密集特征融合颈部网络， 利用所述密集特征融合颈部网络将不同尺寸 的特征信息进行 特征融合； [0008]步骤3： 将融合后的特 征信息将送到预测头进行检测， 获得检测结果。 [0009]进一步地， 步骤1具体包括： [0010]所述主干网络输出四种尺寸的特征图， 按照尺寸从大到小的顺序依次为： 特征 图 C1、 特征图C2、 特 征图C3和特征图C4； [0011]采用第一特征复用模块和第二特征复用模块分别对特征图C2和特征图C3进行特 征复用； 其中， 第一特征复用模块的特征复用过程具体为： 将特征图C4的尺 寸调整为与特征 图C3的尺寸一致， 得到新的特征图C4 ’， 然后将特征图C4 ’和特征图C3进行concat操作后输 出； 第二特征复用模块的特征复用过程具体为： 将特征图C4和特征图C3的尺寸均调整为与 特征图C2的尺 寸一致， 分别得到新的特征图C4 ”和特征图C3 ”， 然后将特征图C4 ”、 特征图C3 ” 和特征图C2进行co ncat操作后输出； [0012]所述第一特征复用模块的输出、 所述第二特征复用模块的输出和特征图C4即为提说　明　书 1/4 页 3 CN 114596488 A 3