(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 202210722252.X (22)申请日 2022.06.17 (71)申请人 中国人民解 放军战略支援 部队信息 工程大学 地址 450001 河南省郑州市高新区科 学大 道62号 (72)发明人 郭海涛　卢俊　龚志辉　阎晓东　 张衡　林雨准　刘相云　高慧　 (74)专利代理 机构 郑州睿信知识产权代理有限 公司 41119 专利代理师 吴敏 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/54(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06V 10/44(2022.01) G06V 10/52(2022.01) (54)发明名称 一种遥感影 像码头目标检测方法 (57)摘要 本发明涉及一种遥感影像码头目标检测方 法， 属于遥感影像处理技术领域。 本发明以 YOLOv4水平框检测算法为基础， 在特征融合网络 中增加PSA注意力模块， 利用PSA注意力模 块获得 不同尺度的感受野， 并通过提取通道的注意权 重， 以得到不同尺度通道注意力的权重， 实现对 不同尺度的上下文信息进行融合， 进一步提升网 络的检测精度； 同时采用多维角点坐标检测框标 定码头目标， 能够有效表示码头目标的真实边 界， 解决码头方向任意的问题， 进一步提升了目 标的定位精度， 实现了码头目标的准确检测。 权利要求书2页 说明书11页 附图13页 CN 115496998 A 2022.12.20 CN 115496998 A 1.一种遥感影 像码头目标检测方法， 其特 征在于， 该 方法包括以下步骤： 1)获取待检测的遥感影 像； 2)将待检测的遥感影 像输入到所述目标检测模型中， 以输出码头目标检测结果； 所述目标检测模型包括主干网络、 特 征融合网络和预测层； 所述主干网络用于对输入的遥感影 像进行特征提取， 得到不同尺度大小的 的特征图； 所述特征融合网络包括SPP模块、 PSA注意力 模块和特征金字塔模块， 所述SPP模块用于 对主干网络输出的特征进 行最大池化操作， 将不同尺度的特征图进 行融合； 所述PSA注 意力 模块用于对SPP模块的输出结果进行切分并提取尺度特征和通道注意力加权， 得到具有多 尺度特征和注意力加权的特征图； 所述的特征金字塔模块用于多得到的具有多尺度特征和 注意力加权的特征图进行反 复特征提取与融合， 得到具有目标精确的位置信息和高层语义 信息的特 征； 所述预测层利用建立有多维角点坐标检测框和得到的具有目标精确的位置信息和高 层语义信息的特征对待检测目标进行定位， 所述的多维角点坐标包括检测框四个角点的坐 标。 2.根据权利要求1所述的遥感影像码头目标检测方法， 其特征在于， 所述的PSA注意力 模块包括有SP C模块、 SE模块和输出模块； 所述SPC模块用于将SPP模块输出的特征图在通道 维度上切分成若干部 分， 并对每部 分进行不同尺度的特征提取， 得到各部 分特征向量， 生成 对应通道的特征图； 所述SE模块用于从各通道的特征图中提取对应通道注意力向量， 并对 各通道注意力向量重新进行特征标定， 得到对应的多尺度通道交互后的注意力权重； 输出 模块用于根据得到的注意力权重对对应通道的特征图进行加权融合处理， 得到具有多尺度 特征和注意力加权的特 征图。 3.根据权利要求2所述的遥感影像码头目标检测方法， 其特征在于， 所述SPC模块采用 分组卷积对每部分进行不同尺度的特征提取， 每组的卷积核与该分组的大小有关， 卷积核 大小k与分组之间的关系为： 其中， G为分组的大小， k 为卷积核的大小。 4.根据权利要求1所述的遥感影像码头目标检测方法， 其特征在于， 所述的目标检测模 型在训练时采用的多维角点 坐标损失函数： L＝LPre+LConf+LCls S2表示输入的遥感影像被划分的网格个数， B表示每个网格中先验框的个数， ， Pr (object)表示当前先验框中是否包含目标， 当包含目标时Pr(object)的值为1， 当没有目标 时Pr(object)值为0； x、 y、 xgt、 ygt分别表示检测框和真实框坐标， c和cgt分别表示预测置信 度和真实置信度， p和pgt分别表示预测类别的概 率和真实概 率。权　利　要　求　书 1/2 页 2 CN 115496998 A 25.根据权利要求1所述的遥感影像码头目标检测方法， 其特征在于， 所述的主干网络采 用CSPDarknet53网络。 6.根据权利要求4所述的遥感影像码头目标检测方法， 其特征在于， 所述的预测层包括 有3个， 每 个预测层中均包 含有8个坐标信息、 1个边框 置信度和1个 类别置信度。 7.根据权利要求6所述的遥感影像码头目标检测方法， 其特征在于， 所述的边框置信度 采用的计算公式为： 其中Cij为第i个网格中第j个先验框； Pr(object)表示当前先验框中是否包含目标， 当 包含目标时Pr(object)的值为1， 当不包含目标时Pr(obj ect)值为0； 表示预测边 界 框与真实边界框的交并比， 在0～1之间。权　利　要　求　书 2/2 页 3 CN 115496998 A 3