(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 202210630115.3 (22)申请日 2022.06.06 (66)本国优先权数据 202210369618.X 202 2.04.08 CN (71)申请人 中国科学院信息 工程研究所 地址 100093 北京市海淀区闵庄路甲89号 (72)发明人 操晓春　代朋纹　尧思远　张三义　 蒋彧琛　 (74)专利代理 机构 北京君尚知识产权代理有限 公司 11200 专利代理师 余长江 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/22(2022.01) G06V 10/40(2022.01)G06V 10/74(2022.01) G06V 10/766(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 锚框无关角点回归的遥感图像任意方向物 体检测方法及装置 (57)摘要 本发明公开了一种遥感图像任意方向物体 的检测方法及装置， 包括： 提取输入图像的全局 特征表达； 在全局特征表达的基础上， 重建物体 水平候选框； 基于全局特征表达， 提取物体水平 候选框的边界采样点的原始特征表达； 利用边界 采样点的语义邻接节点， 增强原始特征表达； 获 取物体水平 候选框的边界关键点， 并根据增强特 征表达抽取边界关键点的特征表达， 以估计边界 关键点与任意方向物体包围框的角点偏移； 基于 角点偏移与边界关键点， 计算任意方向物体包围 框的角点坐标； 基于构建好的任意方向物体包围 框进行检测。 本发明使得角点的定位更为精确， 可以形成更紧致的四边形包围框， 对不同方向、 不同尺度以及不同种类的物体均具有优秀的检 测性能。 权利要求书2页 说明书8页 附图1页 CN 115240077 A 2022.10.25 CN 115240077 A 1.一种锚框无关角点回归的图像任意方向物体 检测方法， 其 步骤包括： 提取输入图像的全局特 征表达； 在所述全局特征表达的基础上， 预测物体水平包围框的中心点、 高与宽， 以重建物体水 平候选框； 基于所述全局特 征表达， 提取 所述物体水平候选 框的边界采样点的原 始特征表达； 利用所述 边界采样点的语义邻接节点， 增强所述原 始特征表达； 获取所述物体水平候选框的边界关键点， 并根据增强特征表达抽取边界关键点的特征 表达， 以估计所述 边界关键点与任意方向物体包围框的角点偏移； 基于所述角点偏移与所述 边界关键点， 计算所述任意方向物体包围框的角点 坐标； 基于构建好的所述任意方向物体包围框， 对所述输入图像的物体进行检测。 2.如权利要求1所述的方法， 其特 征在于， 所述 提取输入图像的全局特 征表达 利用主干网络提取所述输入图像的全局视觉特征表达F0、 全局视觉特征表达F1、 全局视 觉特征表达F2与全局视 觉特征表达F3， 其中， 所述主干网络包括： DLA34网络； 融合所述全局视觉特征表达F0、 全局视觉特征表达F1、 全局视觉特征表达F2与全局视觉 特征表达F3， 得到所述输入图像的全局特 征表达。 3.如权利要求1所述的方法， 其特征在于， 所述在所述全局特征表达的基础上， 预测物 体水平包围框的中心点、 高与宽， 以重建物体水平候选 框， 包括： 基于所述全局特征表达， 分别生成物体水平框中心点响应图 与水平框尺度预测图 对所述物体水平框中心点响应图 进行最大池化操作， 并依据一置信度阈值进行过 滤， 得到过 滤后的中心点； 根据过滤后的中心点及物体外 接矩形框尺度预测图 生成物体水平候选 框。 4.如权利要求1所述的方法， 其特征在于， 所述基于所述全局特征表达， 提取所述物体 水平候选 框的边界采样点的原 始特征表达， 包括： 在水平文字候选 框的边界上均匀采样， 得到Nc个边界采样点及相应的采样点 坐标P； 依据所述全局特 征表达， 提取边界采样点的原 始特征表达 其中， 表示特征映射操作， 表示全局特征表达， Pj表示第j个边界采样点的位置坐标， Δ xj和Δyj分别表示第j个采样点与水平包围框一角点的水平偏移量和竖直偏移量。 5.如权利要求1所述的方法， 其特征在于， 所述利用所述边界采样点的语义邻接节点， 增强所述原 始特征表达， 包括： 利用1D卷积网络将所述原始特征表达映射为特征X， 并利用不同膨胀率的1D卷积将特 征X映射成不同的特 征表达U； 针对每一所述特征表达U， 基于边界采样点的特征相似度， 为每个边界采样点选择K个 语义邻接点， 并根据边界采样点与K个语义邻接点之间的权重， 进行特征表达聚合， 以获取 在该所述特征表达U下的边界采样点特 征表达； 对每一边界采样点， 拼接不同膨胀率下生成的边界采样点特征表达， 以得到增强特征 表达。 6.如权利要求1所述的方法， 其特征在于， 所述获取所述物体水平候选框的边界关键权　利　要　求　书 1/2 页 2 CN 115240077 A 2点， 包括： 设定边界关键点的数量 Nk； 从边界采样点中以Nc/Nk的间隔进行采样， 以得到所述边界关键点， 其中， Nc表示边界采 样点的数量。 7.如 权 利要 求 6 所 述的 方 法 ， 其 特 征 在 于 ， 所 述 边界 关 键 点的 特 征 表 达 其中， i表示输入图像中物体的序号， m∈[1， Nk]， Frefined表示增强特 征。 8.一种实现权利要求1 ‑7中任一方法的卷积网络， 训练所述卷积网络的损失函数 其中， Nk表示边界关键点的数量， 表示任意方向 物体四边形包围框的第m个采样关键 点的第j个 坐标预测值， Tij表示任意方向物体四边 形包 围框的第m个采样关键点的第j个坐标真值， 表示smooth‑L1损失函数。 9.一种存储介质， 所述存储介质中存储有计算机程序， 其中， 所述计算机程序被设置为 运行时执 行权利要求1 ‑7中任一所述方法。 10.一种电子装置， 包括存储器和 处理器， 所述存储器中存储有计算机程序， 所述处理 器被设置为 运行所述计算机程序以执 行如权利要求1 ‑7中任一所述方法。权　利　要　求　书 2/2 页 3 CN 115240077 A 3