光谱成像技术研究室知识库

本发明公开了一种用于高分辨率遥感目标检测任务的门控轴聚定位网络框架。具体实现过程为：(1)利用选择性搜索产生候选边界框，(2)卷积特征提取，(3)候选区域特征提取，(4)目标识别，(5)轴聚结构——将得到的卷积特征图沿x轴、y轴分别池化；(6)门控结构——抽取全连接特征向量，再经过一次全连接，使其长度和卷积特征图的通道数相同，最后将其和(5)中产生的两个特征按通道相乘；(7)用回归器做位置回归。本发明能够很好地提升尺寸较小目标类别的平均准确率AP，并且不会大幅增加计算量。轴聚结构、门控结构及回归器可以作为一个定位网络模块添加到一些现有two‑stage目标检测网络结构中，例如Fast R‑CNN、Faster R‑CNN等。

一种用于遥感目标检测的门控轴聚检测网络，包括卷积神经网络，所述卷积神经网络包括卷积特征提取层、区域建议层、候选区域提取层、识别网络及位置回归器，其特征在于：还包括轴聚网络与门控网络； 输入图像通过卷积特征提取层输出卷积特征图； 所述区域建议层用于对输入的图像通过区域建议方法产生可能存在目标区域的候选区域； 所述候选区域提取层用于利用候选区域的位置在卷积特征图上截取相应区域，获得候选区域的卷积特征图，并池化至固定尺寸； 所述识别网络包括依次连接的全连接及分类器，用于识别目标； 所述轴聚网络用于将候选区域的卷积特征图中维数为(lx,ly,lc)的卷积特征块沿x轴、y轴分别进行全局平均池化，分别得到两个方向的轴聚特征(ly,lc)与(lx,lc)； 所述门控网络用于将全连接的全局特征再经过一个全连接层调整，得到维数和候选区域卷积特征图的通道数相同的全局特征向量；将这个全局特征向量和与两个方向的轴聚特征(ly,lc)与(lx,lc)按通道相乘，获得两个门控轴聚特征； 所述位置回归器用于接收两个门控轴聚特征，并对两个门控轴聚特征进行处理，分别得到x方向的回归值和y方向的回归值。