【技术实现步骤摘要】
本专利技术涉及人工智能理论与算法，尤其涉及一种航空图像多尺度旋转边界框回归方法和装置。
技术介绍
1、随着水平框位置回归方法的逐渐发展及成熟应用，使用旋转边界框的回归方法也逐渐应用于各种图像，特别是在俯瞰视角的航空图像中，绝大部分的物体都不是水平排列的，特别是对于大长宽比和排列密集的物体，传统水平框回归方法无法准确描述物体边缘位置信息。而旋转边界框可以减少物体边界框之间的重叠，去除冗余背景信息，准确回归出物体的边缘信息。当前的方法可以分为以下四类：通过提取物体的旋转不变特征对旋转框位置进行直接回归；通过独立的角度回归直接预测物体的方向，并使用单独的损失函数进行约束；通过设定旋转锚框，以固定的角度间隔在每个像素位置预设多个定向锚框来匹配物体旋转的不同方向；通过无锚框方法，利用特征增强和回归得到位置信息。通过分割方法生成掩膜，利用掩膜的最小外接四边形区域得到旋转边界框。
2、然而，航空图像分辨率不同、图中物体尺寸差异较大，通用的特征提取结构难以准确提取多尺度物体，增加了位置回归难度。另外，俯视图像中存在大量密集排列的物体，并且背景相对杂乱，难以确定准确位置。特别是对于大长宽比物体，在边界框回归时细微的角度偏差就会导致极大的交并比变化，另外，旋转边界框的定义方式和角度周期性都会导致边界框交并比的不连续，影响回归性能，因此需要进一步优化旋转边界框回归方法。
技术实现思路
1、本专利技术所要解决的技术问题在于，本专利技术于提供了一种航空图像多尺度旋转边界框回归方法和装置，解决了航
2、为了解决上述技术问题，本专利技术实施例第一方面公开了一种航空图像多尺度旋转边界框回归方法，所述方法包括：
3、s1，获取航空图像样本数据集；
4、s2，对所述航空图像样本数据集进行预处理，得到航空图像旋转边界框回归数据集；
5、s3，基于航空图像旋转边界框回归模型，对所述航空图像旋转边界框回归数据集进行处理，得到航空图像物体类别及位置信息。
6、作为一种可选的实施方式，在本专利技术实施例第一方面中，所述对所述航空图像样本数据集进行预处理，得到航空图像旋转边界框回归数据集，包括：
7、s21，遍历所述航空图像样本数据集，得到所有的航空图像样本数据；
8、所述航空图像样本数据集，包括若干张航空图像样本数据；
9、s22，对任一所述航空图像样本数据进行识别剪裁，得到目标航空图像物体集；
10、所述目标航空图像物体集，包括若干个目标航空图像物体；
11、s23，对任一所述目标航空图像物体进行标注，得到目标航空图像物体标签；
12、s24，基于所述目标航空图像物体标签，对所述目标航空图像物体进行处理，得到航空图像旋转边界框回归数据；
13、s25，对所有的所述航空图像旋转边界框回归数据按序进行组合，得到航空图像旋转边界框回归数据集；
14、所述航空图像旋转边界框回归数据集，包括若干条航空图像旋转边界框回归数据。
15、作为一种可选的实施方式，在本专利技术实施例第一方面中，所述基于所述目标航空图像物体标签，对所述目标航空图像物体进行处理，得到航空图像旋转边界框回归数据，包括：
16、s241，对所述目标航空图像物体进行分割，得到目标航空图像物体切片信息集；
17、所述目标航空图像物体切片信息集，包括若干条目标航空图像物体切片信息；
18、s242，基于所述目标航空图像物体标签信息，对任一所述目标航空图像物体切片信息进行处理，得到目标航空图像物体切片标签信息；
19、s243，对所述目标航空图像物体切片标签信息按序进行组合，得到目标航空图像物体标签信息集；
20、s244，对所述目标航空图像物体标签信息集进行筛除处理，得到处理航空图像物体标签信息集；
21、s245，利用数据转换模型，对所述处理航空图像物体标签信息集进行转换处理，得到航空图像旋转边界框回归数据；
22、所述航空图像旋转边界框回归数据，包括航空图像物体旋转边界框信息和航空图像物体切片标签数据信息。
23、作为一种可选的实施方式，在本专利技术实施例第一方面中，所述对所述处理航空图像物体标签信息集进行转换处理，得到航空图像旋转边界框回归数据，包括：
24、s2451，预设最小外接矩形信息集；
25、s2452，获取所述处理航空图像物体标签信息集的航空图像物体切片四点坐标信息和航空图像物体标签信息；
26、s2453，判断所述航空图像物体切片四点坐标信息的四点坐标框是否为矩形，得到航空图像物体切片形状判定结果；
27、当所述航空图像物体切片形状判定结果为是时，对所述航空图像物体切片四点坐标信息进行转换处理，得到航空图像物体旋转边界框信息，执行s2456；
28、当所述航空图像物体切片形状判定结果为否时，执行s2454；
29、s2454，获取最小外接矩形信息集的四点坐标信息，得到最小外接矩形四点坐标信息；
30、s2455，对所述最小外接矩形四点坐标信息进行转换处理，得到航空图像物体旋转边界框信息；
31、s2456，对所述航空图像物体旋转边界框信息和所述航空图像物体标签信息按序进行组合，得到航空图像旋转边界框回归数据。
32、作为一种可选的实施方式，在本专利技术实施例第一方面中，所述基于航空图像旋转边界框回归模型，对所述航空图像旋转边界框回归数据集进行处理，得到航空图像物体类别及位置信息，包括：
33、s31，对所述航空图像旋转边界框回归数据集进行划分，得到航空图像回归训练集、航空图像回归验证集和航空图像回归测试集；
34、s32，利用所述航空图像回归训练集和所述航空图像回归验证集，对所述航空图像旋转边界框回归模型进行训练处理，得到航空图像旋转边界框回归优化模型；
35、s33，利用所述航空图像旋转边界框回归优化模型对所述航空图像回归测试集进行处理，得到航空图像物体类别及位置信息。
36、作为一种可选的实施方式，在本专利技术实施例第一方面中，所述利用所述航空图像回归训练集和所述航空图像回归验证集，对所述航空图像旋转边界框回归模型进行训练处理，得到航空图像旋转边界框回归优化模型，包括：
37、s321，设置迭代总数a，初始化迭代次数b＝0；
38、s322，利用所述航空图像旋转边界框回归模型，对所述航空图像回归训练集进行处理，得到第一航空图像回归检测信息；
39、所述第一航空图像回归检测信息，包括第一航空图像物体类别信息和第一航空图像物体位置信息；
40、s323，利用第一损失函数，对所述第一航空图像物体类别信息与所述航空图像回归训练集的航空图像物体标本文档来自技高网...
【技术保护点】
1.一种航空图像多尺度旋转边界框回归方法，其特征在于，所述方法包括：
2.根据权利要求1所述的航空图像多尺度旋转边界框回归方法，其特征在于，所述对所述航空图像样本数据集进行预处理，得到航空图像旋转边界框回归数据集，包括：
3.根据权利要求2所述的航空图像多尺度旋转边界框回归方法，其特征在于，所述基于所述目标航空图像物体标签信息，对所述目标航空图像物体进行处理，得到航空图像旋转边界框回归数据，包括：
4.根据权利要求3所述的航空图像多尺度旋转边界框回归方法，其特征在于，所述对所述处理航空图像物体标签信息集进行转换处理，得到航空图像旋转边界框回归数据，包括：
5.根据权利要求1所述的航空图像多尺度旋转边界框回归方法，其特征在于，所述基于航空图像旋转边界框回归模型，对所述航空图像旋转边界框回归数据集进行处理，得到航空图像物体类别及位置信息，包括：
6.根据权利要求5所述的航空图像多尺度旋转边界框回归方法，其特征在于，所述利用所述航空图像回归训练集和所述航空图像回归验证集，对所述航空图像旋转边界框回归模型进行训练处理，得到航空图
7.根据权利要求1所述的航空图像多尺度旋转边界框回归方法，其特征在于，所述航空图像旋转边界框回归模型，包括：数据输入模块、特征提取模块、分类模块、回归模块和数据输出模块；
8.根据权利要求6所述的航空图像多尺度旋转边界框回归方法，其特征在于，所述特征提取模块，包括：第一特征提取子模块、密集连接子模块、第一融合子模块和第二融合子模块；
9.一种航空图像多尺度旋转边界框回归装置，其特征在于，所述装置包括：
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-8任一项所述的航空图像多尺度旋转边界框回归方法中的部分或全部步骤。
...【技术特征摘要】
1.一种航空图像多尺度旋转边界框回归方法，其特征在于，所述方法包括：
2.根据权利要求1所述的航空图像多尺度旋转边界框回归方法，其特征在于，所述对所述航空图像样本数据集进行预处理，得到航空图像旋转边界框回归数据集，包括：
3.根据权利要求2所述的航空图像多尺度旋转边界框回归方法，其特征在于，所述基于所述目标航空图像物体标签信息，对所述目标航空图像物体进行处理，得到航空图像旋转边界框回归数据，包括：
4.根据权利要求3所述的航空图像多尺度旋转边界框回归方法，其特征在于，所述对所述处理航空图像物体标签信息集进行转换处理，得到航空图像旋转边界框回归数据，包括：
5.根据权利要求1所述的航空图像多尺度旋转边界框回归方法，其特征在于，所述基于航空图像旋转边界框回归模型，对所述航空图像旋转边界框回归数据集进行处理，得到航空图像物体类别及位置信息，包括：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：李阳，张一鸣，路遥，黄立威，孟钢，田菁，
申请(专利权)人：北京市遥感信息研究所，
类型：发明
国别省市：
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。