一种深度融合机制的遥感图像目标检测技术

遥感图像覆盖幅面广、纹理信息丰富,其目标具有尺寸多样性,排列密集且与背景易混淆等特性,给快速定位和精准识别目标带来较多困难,尤其是易漏检小目标等.针对此问题,提出一种深度融合机制的遥感图像目标检测技术.该技术基于深度卷积神经网络,将多尺度、注意力机制与宽度学习三者融合,用于遥感图像目标检测技术.该技术首先基于多尺度与空间注意力机制获取到遥感图像的候选区域信息,然后采用通道注意力机制获取其多个尺度的特征信息并融合互补,旨在有效聚焦图像深层的高层语义信息和底层的小目标特征信息;最后,针对宽度学习存在超参数的确定需要依据不同的遥感图像,进行手工调参问题,提出基于贝叶斯网络搜索优化策略的宽度学习方法.该方法可智能地学习到一组适应于不同遥感图像数据集的超参数,对目标进行高效识别.实验结果证明,与当前先进的方法相比,该算法能够有效解决遥感图像目标检测中速度慢、精度低、易丢失小目标等问题,提升目标检测的准确率.