(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 202210921568.1 (22)申请日 2022.08.02 (71)申请人 清华大学 地址 100084 北京市海淀区清华园1号 申请人 清华大学深圳国际研究生院 (72)发明人 李刚　张宇　王学谦　姜智卓　 刘瑜　何友　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 苟冬梅 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) (54)发明名称 一种多尺度SAR图像目标检测方法、 装置、 设 备和介质 (57)摘要 本发明提供了一种多尺度SAR图像目标检测 方法、 装置、 设备和介质， 利用轻量化卷积神经网 络对SAR图像进行逐层特征提取， 得到 所述SAR图 像的多种空间分辨率的特征图； 按空间分辨率从 低到高的顺序， 将所述多种空间分辨率的特征图 逐层融合， 得到多种空间分辨率的多尺度特征 图； 利用所述多种空间分辨率的多尺度特征图中 最高空间分辨率的多尺度特征图进行目标检测， 得到目标的中心点概率热图和所述目标的尺寸； 根据所述目标的中心点概率热图和所述目标的 尺寸， 确定 所述目标在所述SAR图像中的位置框。 本发明采用轻量化的网络结构并直接利用目标 中心点概率热图和尺寸来预测目标位置， 提升了 检测速度， 同时基于多个检测子模 型进行监督训 练， 保证了目标检测精度。 权利要求书3页 说明书9页 附图2页 CN 115272859 A 2022.11.01 CN 115272859 A 1.一种多尺度SAR图像目标检测方法， 其特 征在于， 所述的方法包括： 利用轻量化神经网络对SAR图像进行逐层特征提取， 得到所述SA R图像的多种空间分辨 率的特征图； 按空间分辨率从低到高的顺序， 将所述多种空间分辨率的特征图逐层融合， 得到多种 空间分辨 率的多尺度特 征图； 利用所述多种空间分辨率的多尺度特征图中最高空间分辨率的多尺度特征图进行目 标检测， 得到目标的中心点 概率热图和所述目标的尺寸； 根据所述目标的中心点概率热图和所述目标的尺寸， 确定所述目标在所述SAR图像中 的位置框。 2.根据权利要求1所述的方法， 其特征在于， 利用所述多种空间分辨率的多尺度 特征图 中空间分辨率最高的多尺度特征图进 行目标检测， 是通过预先训练的检测模型中对应于最 高分空间辨率的检测子模型实现的； 所述目标检测模型包括与所述多种空间分辨率一一对 应的多个 检测子模型； 所述方法还 包括： 以每一种空间分辨率的特征图样本为训练数据， 对所述对应的检测子模型进行训练， 每种空间分辨 率的特征图样本携带目标 标记信息； 根据所述多个检测子模型的总损失函数值， 对所述多个检测子模型进行模型参数更 新， 得到训练完毕的检测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述多个检测子模型中每个检测子模型包 括并行的中心点概率预测子模型和尺寸预测子模型， 所述中心 点概率预测子模型用于输出 目标的中心 点概率热图， 所述尺寸预测子模型用于输出目标的宽、 高尺寸值； 所述方法还包 括： 通过编码器将每种空间分辨率的特征图样本携带目标标记信息转换为对应的检测子 模型的输出格式； 根据所述多个检测子模型各自输出的预测值和转换结果， 按照以下公式计算所述多个 检测模型的中心点总损失函数值和尺寸总损失值； 所述多个 检测模型的中心点总损失函数值计算公式为： 其中， yi， j∈[0， 1]， 是中心点概率图样本中位置(i， j)处的像素的真值、 是中心点概 率图样本中位置(i， j)处的像素的预测值， Npos表示标定值为1的像素的数量总和， v是网络 超参数， (W[k]， H[k])分别表示第k种分辨 率的特征图的宽和高； 所述多个 检测模型的尺寸总损失值计算公式为： 其中， yi， j， m和 分别表示在每种空间分辨率特征图样本的位置(i， j)处的像素的真 值和预测值；权　利　要　求　书 1/3 页 2 CN 115272859 A 2按照以下公式计算所述多个 检测子模型的总损失函数值： Ltotal＝Lcls+λLsize 其中， λ是为了平衡两项损失的超参数。 4.根据权利要求1所述的方法， 其特征在于， 根据 所述目标的中心点概率热图和所述目 标的尺寸， 确定所述目标在所述SAR图像中的位置 框， 包括： 通过解码器在所述目标的中心点概率热图中筛选出峰值点， 并根据预先设置的阈值选 出所述目标的中心点； 根据所述目标的中心点， 按照以下公式计算所述目标在所述SAR图像中的位置 框： 其中， (bleft， btop)和(bright， bbottom)表示所述目标的外接矩形的左上角和右下角的坐 标， 表示取整操作， (x， y)表示所述目标的中心点的坐标， tw， th为所述目标的尺寸， 所述 尺寸的转换 方式为： 其中， (Wb， Hb)表示目标外接矩 形的宽和高， (W， H)表示所述最高空间分辨率的多尺度特 征图的宽和高。 5.根据权利要求2所述的方法， 其特征在于， 多种空间分辨率的特征图样本， 是按照以 下步骤得到的： 对原始分辨率的特征图样本的标注信 息进行多次缩放， 得到多种空间分辨率的特征图 样本。 6.一种多尺度SAR图像目标检测装置， 其特 征在于， 所述装置包括： 特征提取模块， 用于对SAR图像进行逐层特征提取， 得到所述SAR图像的多种空间分辨 率的特征图； 特征融合模块， 用于按空间分辨率从低到高的顺序， 将所述多种空间分辨率的特征图 逐层融合， 得到多种空间分辨 率的多尺度特 征图； 目标检测模块， 用于利用所述多种空间分辨率的多尺度 特征图中最高空间分辨率的多 尺度特征图进行目标检测， 得到目标的中心点 概率热图和所述目标的尺寸； 位置确定模块， 用于根据所述目标的中心点概率热图和所述目标的尺寸， 确定所述目 标在所述SAR图像中的位置 框。 7.根据权利要求6所述的装置， 其特 征在于， 所述装置还 包括： 模型训练模块， 用于以每一种空间分辨率的特征图样本为训练数据， 对所述对应的检 测子模型进行训练， 每种空间分辨 率的特征图样本携带目标 标记信息； 参数更新模块， 用于根据所述多个检测子模型的总损 失函数值， 对所述多个检测子模 型进行模型参数 更新， 得到训练完毕的检测模型。 8.根据权利要求7 所述的装置， 其特 征在于， 所述模型训练模块包括：权　利　要　求　书 2/3 页 3 CN 115272859 A 3