【技术实现步骤摘要】
本专利技术涉及深度学习和计算机视觉，具体的是一种改进rt-detr算法的遥感图像目标检测方法及系统。
技术介绍
1、目标检测技术是计算机视觉领域的一个重要研究方向，近年来受到了广泛的关注。目标检测技术已经被应用于各种领域，包括自动驾驶、安防监控、无人机、医疗影像等。在这些领域中，目标检测可以自动地从图像或视频中识别和跟踪目标，为人们的生产和生活带来便利。
2、现阶段的目标检测算法在遥感图像中的应用仍存在部分缺陷，包括：遥感图像包含众多小目标，如车辆或设备，当前主流算法对这些目标漏检率与误检率较高；遥感图像中的目标有多方向性，纵横比大等特点，对于模型适应目标的旋转与目标的特殊尺寸要求高；由于光照条件和拍摄视角的变化，遥感图像中的目标可能呈现出不同的外观。当前的目标检测算法对于光照和视角变化的适应性有限，容易产生误检或漏检。
技术实现思路
1、为解决上述
技术介绍
中提到的不足，本专利技术的目的在于提供一种改进rt-detr算法的遥感图像目标检测方法及系统，能够有效解决遥感目标准确率和召回率低的问题。
2、第一方面，本专利技术的目的可以通过以下技术方案实现：一种改进rt-detr算法的遥感图像目标检测方法，方法包括以下步骤：
3、获取遥感拍摄视频，对遥感视频进行抽帧采样及标注，得到遥感拍摄图像，对遥感拍摄图像进行预处理，得到处理后的遥感拍摄图像；
4、将遥感拍摄图像进行维度特征提取，在主干网络中提取出可变核卷积核的采样位置相对应的特征，然后对
5、将第二输出特征图输入至检测网络，输出得到最终输出特征图，其中，所述检测网络中预先建立spabc3模块，将最终输出特征图输入至检测头模块内进行预测，输出得到目标检测结果。
6、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述对遥感拍摄图像进行预处理包括运用mosaic数据增强算法进行图片随机缩放、随机裁剪以及随机排布。
7、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述将遥感拍摄图像进行维度特征提取的过程：
8、使用可变核卷积，根据偏移量灵活调整遥感拍摄图像样本采样形状，根据物体大小灵活调整卷积核个数，再将遥感拍摄图像通过reshaple模块展开为通道数、卷积核数、高、宽四个维度，提取与不规则卷积核的采样位置相对应的特征，完成不规则卷积特征提取后再经reshaple模块重塑为三维，最后经过卷积、归一化与激活函数后得到最终的特征输出，作为第一输出特征图。
9、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述hwd模块包括无损特征编码模块和特征表示学习模块两个部分，输入第一输出特征图的高宽分别为h、w，通道数为c，输入第一输出特征图首先进过无损特征编码模块，得到宽、高为h/2、w/2，输出通道数为4c的采样后特征图，再将采样后特征图经过特征表示学习模块调整通道数使与后续网络通道数匹配并加强特征学习，得到第二输出特征图。
10、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述将第二输出特征图输入检测网络，检测网络中预先建立spabc3模块，输出得到最终输出特征图的过程：
11、第二输出特征图x经过卷积调整通道数后，依次经过三层conv3xc卷积生成特征图f1，并将第二输出特征图x通过无参原点对称的激活函数得到输出特征图f2，其次将第二输出特征图x与卷积和特征图f1通过残差连接得到f3，将f2与f3按元素相乘得到最终输出。
12、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述将最终输出特征图输入至检测头模块内进行预测，输出得到目标检测结果的过程：
13、将最终输出特征图内的训练集输入预先建立的改进rt-detr算法模型内进行训练，得到训练后的改进rt-detr算法模型；
14、将最终输出特征图内的测试集输入至训练后的改进rt-detr算法模型内，得到目标检测结果。
15、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述预先建立的改进rt-detr算法模型包括：主干网络、hwd模块、spabc3模块和检测头模块。
16、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述预先建立的改进rt-detr算法模型的性能通过精确率p、召回率r和平均精确率ap确定，其中：
17、精确率p—定义为所有检测出的目标检测正确率，表示为
18、
19、召回率r—定义为所有正样本中检测正确率，表示为
20、
21、平均精确率ap—定义为不同召回率下精确率的均值，表示为
22、
23、其中，tp为正样本预测为正类个数；fp为负样本预测为正类个数；fn为正样本预测为负类个数；tn为负样本预测为负类个数。
24、第二方面，为了达到上述目的，本专利技术公开了一种改进rt-detr算法的遥感图像目标检测系统，包括：
25、图像处理模块，用于获取遥感拍摄视频，对遥感视频进行抽帧采样及标注，得到遥感拍摄图像，对遥感拍摄图像进行预处理，得到处理后的遥感拍摄图像；
26、特征提取模块，用于将遥感拍摄图像进行维度特征提取，在主干网络中提取出可变核卷积核的采样位置相对应的特征，然后对被提取后的遥感拍摄图像进行特征重塑，得到第一输出特征图，将第一输出特征图输入至颈部网络，输出得到第二输出特征图，其中，所述颈部网络中预先建立hwd模块；
27、目标检测模块，用于将第二输出特征图输入至检测网络，输出得到最终输出特征图，其中，所述检测网络中预先建立spabc3模块，将最终输出特征图输入至检测头模块内进行预测，输出得到目标检测结果。
28、结合第二方面，在第二方面的某些实现方式中，该系统还包括：所述图像处理模块内对遥感拍摄图像进行预处理包括运用mosaic数据增强算法进行图片随机缩放、随机裁剪以及随机排布；
29、或者特征提取模块内将遥感拍摄图像进行维度特征提取的过程：
30、使用可变核卷积，根据偏移量灵活调整遥感拍摄图像样本采样形状，根据物体大小灵活调整卷积核个数，再将遥感拍摄图像通过reshaple模块展开为通道数、卷积核数、高、宽四个维度，提取与不规则卷积核的采样位置相对应的特征，完成不规则卷积特征提取后再经reshaple模块重塑为三维，最后经过卷积、归一化与激活函数后得到最终的特征输出，作为第一输出特征图；
31、或者特征提取模块内hwd模块包括无损特征编码模块和特征表示学习模块两个部分，输入第一输出特征图的高宽分别为h、w，通道数为c，输入第一输出特征图首先进过无损特征编码模块，得到宽、高为h/2、w/2，输出通道数为4c的采样后特征图，再将采本文档来自技高网...
【技术保护点】
1.一种改进RT-DETR算法的遥感图像目标检测方法，其特征在于，方法包括以下步骤：
2.根据权利要求1所述的一种改进RT-DETR算法的遥感图像目标检测方法，其特征在于，所述对遥感拍摄图像进行预处理包括运用Mosaic数据增强算法进行图片随机缩放、随机裁剪以及随机排布。
3.根据权利要求1所述的一种改进RT-DETR算法的遥感图像目标检测方法，其特征在于，所述将遥感拍摄图像进行维度特征提取的过程：
4.根据权利要求1所述的一种改进RT-DETR算法的遥感图像目标检测方法，其特征在于，所述主干网络中的HWD模块包括无损特征编码模块和特征表示学习模块两个部分，输入第一输出特征图的高宽分别为H、W，通道数为C，输入第一输出特征图特征图首先经过无损特征编码模块，得到宽、高为H/2、W/2，输出通道数为4C的采样后特征图，再将采样后特征图经过特征表示学习模块调整通道数使与后续颈部网络通道数匹配并加强特征学习，得到第二输出特征图。
5.根据权利要求1所述的一种改进RT-DETR算法的遥感图像目标检测方法，其特征在于，所述将第二输出特征图输入至
6.根据权利要求1所述的一种改进RT-DETR算法的遥感图像目标检测方法，其特征在于，所述将最终输出特征图输入至检测头模块内进行预测，输出得到目标检测结果的过程：
7.根据权利要求6所述的一种改进RT-DETR算法的遥感图像目标检测方法，其特征在于，所述预先建立的改进RT-DETR算法模型包括：主干网络、HWD模块、SPABC3模块和检测头模块。
8.根据权利要求7所述的一种改进RT-DETR算法的遥感图像目标检测方法，其特征在于，所述预先建立的改进RT-DETR算法模型的性能通过精确率P、召回率R和平均精确率AP确定，其中：
9.一种改进RT-DETR算法的遥感图像目标检测系统，其特征在于，包括：
10.根据权利要求9所述的一种改进RT-DETR算法的遥感图像目标检测系统，其特征在于，所述图像处理模块内对遥感拍摄图像进行预处理包括运用Mosaic数据增强算法进行图片随机缩放、随机裁剪以及随机排布；
...【技术特征摘要】
1.一种改进rt-detr算法的遥感图像目标检测方法，其特征在于，方法包括以下步骤：
2.根据权利要求1所述的一种改进rt-detr算法的遥感图像目标检测方法，其特征在于，所述对遥感拍摄图像进行预处理包括运用mosaic数据增强算法进行图片随机缩放、随机裁剪以及随机排布。
3.根据权利要求1所述的一种改进rt-detr算法的遥感图像目标检测方法，其特征在于，所述将遥感拍摄图像进行维度特征提取的过程：
4.根据权利要求1所述的一种改进rt-detr算法的遥感图像目标检测方法，其特征在于，所述主干网络中的hwd模块包括无损特征编码模块和特征表示学习模块两个部分，输入第一输出特征图的高宽分别为h、w，通道数为c，输入第一输出特征图特征图首先经过无损特征编码模块，得到宽、高为h/2、w/2，输出通道数为4c的采样后特征图，再将采样后特征图经过特征表示学习模块调整通道数使与后续颈部网络通道数匹配并加强特征学习，得到第二输出特征图。
5.根据权利要求1所述的一种改进rt-detr算法的遥感图像目标检测方法，其特征在于，所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。