(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210401122.6 (22)申请日 2022.04.18 (65)同一申请的已公布的文献号 申请公布号 CN 114494893 A (43)申请公布日 2022.05.13 (73)专利权人 成都理工大 学 地址 610059 四川省成 都市成华区二仙桥 东三路1号 (72)发明人 张理　郭勇　王新月　 (74)专利代理 机构 成都市熠图知识产权代理有 限公司 512 90 专利代理师 邓昉 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 20/00(2019.01) 审查员 唐婧婧 (54)发明名称 基于语义重用上下文特征金字塔的遥感图 像特征提取方法 (57)摘要 本发明公开了一种基于语义重用上下文特 征金字塔的遥感图像特征提取方法， 包括构建训 练数据集； 构建基于语义重用上下文特征金字塔 网络； 训练该网络得到网络模型； 获取待测区域 的遥感图像作为待测图像， 将其送入网络模型 中， 生成待测图像对应的特征金字塔。 本发明在 现有特征金字塔网络FPN基础上， 增设一用于上 下文特征增强的CFE模块和三个语义特征重用的 SFR模块， C FE模块用于提取具有多个感受野的上 下文特征， 以更好地检测综合性大目标和易混淆 目标， SFR模块通过重用主干的后层特征而不增 加参数数量来增强语义特征， 以更好地检测小目 标。 从而提高遥感图像目标检测的性能， 尤其针 对综合性大目标， 易混淆目标和小目标效果更为 明显。 权利要求书2页 说明书10页 附图12页 CN 114494893 B 2022.06.14 CN 114494893 B 1.一种基于语义重用上下文特征金字塔的遥感图像特征提取方法， 其特征在于： 包括 以下步骤； （1） 构建训练数据集， 所述训练数据集包括多张标注过目标位置和类别的遥感图像； （2） 构建一基于语义重用上 下文特征金字塔网络； （2.1） 构建一特征金字塔网络FPN， 包括自底向上模块和自顶向下模块， 所述自底向上 模块用于对遥感图像进行特征提取， 并从下到上得到各层的特征图F1‑F4； 所述自顶向下模 块用于根据自底向上模块的输出， 得到特 征图金字塔P1‑P5； （2.2） 在自底向上模块、 自顶向下模块间增设一用于上下文特征增强的CFE模块和三个 语义特征重用的SFR模块； 所述CFE模块包括四个卷积单元、 三个拼接单元、 一个融合单元， 所述四个卷积单元用 于卷积操作， 并分别得到卷积后的特征图 I1‑I4， 所述拼接单元用于拼接操作， 并分别得到拼 接后的特征图 C1‑C3， 所述融合单元用于对 I1‑I4进行求和加权操作得到融合特征图 cfe，I1‑ I4、C1‑C3、cfe的表达式分别为： 式 （1） 中：   为卷积操作， 3 ×3为卷积核大小， ri为扩张率，  ， 且r1‑r4分 别为3、 6、 12、 18； 式 （2） 中： C0为特征图F4，CAT表示将两张图在通道维度上进行拼接， k∈[1,3]； 式 （3） 中： ωi为Ii进行加权和操作的权重， 初始值为0.25， 其值在 网络训练过程中进行 更新，ε=10‑4； 所述三个SFR模块， 其输出为 sfr1‑sfr3， 表达式为 式中，UP（Fj） 表示对特 征图Fj进行上采样操作至与Fi的相同大小， j∈[1,3]； （2.3） 将 F4与cfe按元素相加得到一相加图， 将 sfr1、sfr2、sfr3和相加图， 分别代替F1‑F4 作为自顶向下模块的输入， 得到基于语义重用上 下文特征金字塔网络； （3） 将训练数据集中的遥感图像送入基于语义重用上下文特征金字塔网络 中训练得到 网络模型； （4） 获取待测区域的遥感图像作为待测图像， 将其送入网络模型中， 生成待测图像对应 的特征金字塔P1‑P5。 2.根据权利要求1所述的基于语义重用上下文特征金字塔的遥感图像特征提取方法， 其特征在于： 所述 I1‑I4的输出通道数均为25 6。权　利　要　求　书 1/2 页 2 CN 114494893 B 23.根据权利要求1所述的基于语义重用上下文特征金字塔的遥感图像特征提取方法， 其特征在于： 所述自底向上模块采用resnet5 0模型、 VG G16模型或DetNet模型。权　利　要　求　书 2/2 页 3 CN 114494893 B 3