买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于卷积神经网络的遥感目标检测方法，包括步骤：1、构建包括Backbone、Neck和Head的全尺度增强对齐检测网络模型OSEADet，其中，Neck为增强特征金字塔网络EFPN，在PAFPN网络上添加P2检测层，特征图P2经过SPDConv，输出富含小目标信息的特征图，将其与特征图P3融合，再利用CSP思想和CSPF模块进行特征整合；Head包括三个动态任务对齐共享检测头DSTA，DSTA包括分别用于预测目标位置和类别的边界框回归分支和分类分支，通过组卷积将三个DSTA的任务合并，从多个卷积层中学习任务交互特征，得到联合特征，增加任务之间的交互，并通过TaskDecomposition层动态调整并对齐任务；2、对OSEADet进行训练和验证；3、用训练好的OSEADet预测遥感目标位置和类别，不仅检测精度高，而且能够实时检测遥感目标。

主权项：1.一种基于卷积神经网络的遥感目标检测方法，其特征在于，包括如下步骤：步骤1、构建包括Backbone、Neck和Head的全尺度增强对齐检测网络模型OSEADet，其中：所述Backbone利用基于CNN网络构建的五层特征金字塔结构，提取遥感图像的不同尺度的特征图P1、P2、P3、P4和P5；所述Neck为增强特征金字塔网络EFPN，EFPN在PAFPN网络结构的基础上添加了P2检测层，特征图P2经过SPDConv，输出富含小目标信息的特征图，将富含小目标信息的特征图与特征图P3融合，再利用跨层连接CSP思想和CSPF模块进行特征整合；所述CSPF模块包括全局分支、大尺度分支和局部分支，CSPF模块通过全局分支、大尺度分支和局部分支对特征图进行多层次处理，使其捕捉到不同尺度的信息，再将多层次特征融合，然后通过快速傅里叶变换，将特征转换到频域进行处理，从而保留特征的全局信息；所述Head包括三个动态任务对齐共享检测头DSTA，DSTA结合了解耦头和耦合头的优势，包括边界框回归分支和分类分支，分别用于预测目标位置和类别，其中：通过组卷积将三个DSTA的任务合并，从多个卷积层中学习任务交互特征，得到联合特征，增加任务之间的交互，并通过TaskDecomposition层动态调整任务，使任务对齐；步骤2、利用现有的公开数据集对网络模型OSEADet进行训练和验证，通过最小化分类损失和回归损失，缩小预测值和真实标签值之间的差异；步骤3、利用训练好的网络模型OSEADet预测遥感目标的位置和类别。

权利要求：

百度查询： 西京学院 一种基于卷积神经网络的遥感目标检测方法