用于对光学遥感图像进行目标检测的方法和装置

本发明涉及遥感图像处理，尤其涉及一种用于对光学遥感图像进行目标检测的方法、装置、电子设备、非暂态计算机可读存储介质、计算机程序产品。

背景技术：

1、随着社会发展与科技进步，对光学遥感图像的应用也越发广泛；其中，在对光学遥感图像的应用中，目标检测是一项具有挑战性的任务。所述目标检测旨在同时对光学遥感图像中的实例（目标）进行定位和分类。

2、现有技术中，通常基于预先训练的深度学习模型对所述光学遥感图像执行目标检测，但目前所述预先训练的深度学习模型存在泛化能力较差的问题；即，当训练深度学习模型的样本光学遥感图像与当前处理的目标光学遥感图像存在领域偏移时，所述深度学习模型会出现预测结果精度下降的情况。

技术实现思路

1、本发明提供一种用于对光学遥感图像进行目标检测的方法、装置、电子设备、非暂态计算机可读存储介质、计算机程序产品，用以解决现有技术中的缺陷。

2、本发明提供一种用于对光学遥感图像进行目标检测的方法，包括：

3、获取目标图像；其中，所述目标图像为需要进行目标检测的目标域光学遥感图像；

4、将所述目标图像输入预设目标检测模型，经所述预设目标检测模型输出关于所述目标图像的目标检测结果；其中，所述目标检测结果包括表征检测到的目标在所述目标图像中的位置以及类别的信息；

5、其中，所述预设目标检测模型基于预设训练框架以及至少一组训练数据训练得到，所述至少一组训练数据中的每组训练数据包括第一类训练数据和第二类训练数据，所述第一类训练数据包括一张源域样本图像和对应的样本真值标签，所述第二类训练数据包括一张目标域样本图像。

6、本发明还提供一种用于对光学遥感图像进行目标检测的装置，包括：

7、图像获取模块，被配置为：获取目标图像；其中，所述目标图像为需要进行目标检测的目标域光学遥感图像；

8、目标检测执行模块，被配置为：将所述目标图像输入预设目标检测模型，经所述预设目标检测模型输出关于所述目标图像的目标检测结果；其中，所述目标检测结果包括表征检测到的目标在所述目标图像中的位置以及类别的信息；

9、其中，所述预设目标检测模型基于预设训练框架以及至少一组训练数据训练得到，所述至少一组训练数据中的每组训练数据包括第一类训练数据和第二类训练数据，所述第一类训练数据包括一张源域样本图像和对应的样本真值标签，所述第二类训练数据包括一张目标域样本图像。

10、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述用于对光学遥感图像进行目标检测的方法。

11、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述用于对光学遥感图像进行目标检测的方法。

12、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述用于对光学遥感图像进行目标检测的方法。

13、如上所述，本发明实施例提供的用于对光学遥感图像进行目标检测的方法，利用预设目标检测模型可以实现对目标图像的精准目标检测。其中，所述预设训练框架能够有效增强预设目标检测模型的跨域目标检测泛化能力，同时还使其具有鲁棒性和可扩展性。具体地，一方面，所述预设训练框架内部可部署一种区域选择性融合策略，以选择性地融合源域样本图像和目标域样本图像；不仅能充分利用源域标签的优势，还能根据伪标签的置信度构建前景物体信息最大化的融合图像。另一方面，基于所述预设训练框架，在训练中还构建一个判别网络（包括“多尺度”无偏对抗单元/模块），使待训练目标检测模型能专注于与领域无关的特征，从而可增强对泛化能力的学习。

技术特征：

1.一种用于对光学遥感图像进行目标检测的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述预设训练框架包括级联的基础检测网络、融合网络以及判别网络；

3.根据权利要求2所述的方法，其特征在于，所述待训练学生模型为基于yolov5的神经网络模型；

4.根据权利要求2所述的方法，其特征在于，所述无偏置对抗单元包括第一卷积块、第二卷积块、第三卷积块、第四卷积块、第五卷积块、第六卷积块、第七卷积块以及域分类器；

5.根据权利要求2所述的方法，其特征在于，所述预设目标检测模型的结构与所述待训练的学生模型的结构相同。

6.根据权利要求2至5中任一项所述的方法，其特征在于，基于所述预设训练框架，训练得到所述预设目标检测模型的训练步骤，包括：

7.根据权利要求6所述的方法，其特征在于，所述利用预设综合损失函数，基于所述每组训练数据中的样本真值标签和对应的所述源域预测结果、目标域预测结果以及融合预测结果，获取所述综合损失函数的函数值，包括：

8.根据权利要求7所述的方法，其特征在于，基于所述每组训练数据中的样本真值标签和对应的所述源域预测结果，计算源域数据监督损失函数的函数值，包括：

9.根据权利要求6所述的方法，其特征在于，基于所述综合损失函数的函数值，对所述预设训练框架进行训练，直至满足预设训练完成条件，直至满足预设训练完成条件，包括：

10.一种用于对光学遥感图像进行目标检测的装置，其特征在于，包括：

技术总结本发明提供一种用于对光学遥感图像进行目标检测的方法和装置，其中，方法包括：获取目标图像；目标图像为需要进行目标检测的目标域光学遥感图像；将目标图像输入预设目标检测模型，经预设目标检测模型输出关于目标图像的目标检测结果；目标检测结果包括表征检测到的目标在目标图像中的位置以及类别的信息；预设目标检测模型基于预设训练框架以及至少一组训练数据训练得到，至少一组训练数据中的每组训练数据包括第一类训练数据和第二类训练数据，第一类训练数据包括一张源域样本图像和对应的样本真值标签，第二类训练数据包括一张目标域样本图像。本发明的预设目标检测模型具备较强的跨域目标检测泛化能力，可以实现对目标图像的精准目标检测。技术研发人员：董燕妮,刘畅,张玉香,李雪,杜博受保护的技术使用者：武汉大学技术研发日：技术公布日：2024/11/18