(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 202210909740.1 (22)申请日 2022.07.29 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市太白南路2号 (72)发明人 侯彪　李智德　汤奇　任仲乐　 任博　杨晨　焦李成　 (74)专利代理 机构 西安嘉思特知识产权代理事 务所(普通 合伙) 6123 0 专利代理师 王丹 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于YOLOv5的光学遥感图像目标检测 方法 (57)摘要 本发明涉及一种基于YOLOv5的光学遥感图 像目标检测方法， 其特征在于， 包括： 步骤1： 获取 待检测光学遥感图像， 待检测光学遥感图像中包 含有待检测的目标； 步骤2： 将待检测光学遥感图 像裁剪为若干待检测光学遥感子图像； 步骤3： 将 待检测光学遥感子图像输入至预先训练完成的 YOLOv5目标检测模型中， 得到对应的子图像检测 结果， 检测结果包括目标检测框以及分类 ‑交并 比； 步骤4： 将子图像检测结果合并得到待检测光 学遥感图像的检测结果； 其中， YOLOv5目标检测 模型包括级联的骨干网络、 颈部网络和检测头， 颈部网络为CSP ‑BiFPN网络。 本发明的基于 YOLOv5的光学遥感图像目标检测方法的检测精 度更高， 区分不同尺度目标的能力更强。 权利要求书2页 说明书7页 附图2页 CN 115272242 A 2022.11.01 CN 115272242 A 1.一种基于 YOLOv5的光学遥感图像目标检测方法， 其特 征在于， 包括： 步骤1： 获取待检测光学遥感图像， 所述待检测光学遥感图像中包 含有待检测的目标； 步骤2： 将所述待检测光学遥感图像裁 剪为若干待检测光学遥感子图像； 步骤3： 将所述待检测光学遥感子图像输入至预先训练完成的YOLOv5目标检测模型中， 得到对应的子图像 检测结果， 所述检测结果包括目标检测框以及分类 ‑交并比； 步骤4： 将所述子图像 检测结果 合并得到所述待检测光学遥感图像的检测结果； 其中， 所述YOLOv5目标检测模型包括级联的骨干 网络、 颈部网络和检测头， 所述颈部 网 络为CSP‑BiFPN网络 。 2.根据权利要求1所述的基于 YOLOv5的光学遥感图像目标检测方法， 其特 征在于， 所述骨干网络， 用于对输入的所述待检测光学遥感子 图像进行特征提取， 得到所述待 检测光学遥感子图像对应的高层语义特 征、 中层语义特 征和低层语义特 征； 所述颈部网络， 用于对所述高层语义特征、 所述中层语义特征和所述低层语义特征进 行融合， 得到高层语义融合特 征、 中层语义融合特 征和低层语义融合特 征； 所述检测头， 用于根据所述高层语义融合特征、 所述中层语义融合特征和所述低层语 义融合特 征， 确定并输出 所述待检测光学遥感子图像的检测结果。 3.根据权利 要求2所述的基于YOLOv5的光学遥感图像目标检测方法， 其特征在于， 所述 CSP‑BiFPN网络包括多个串联的CSP ‑BiFPN子网络， 所述CSP ‑BiFPN子网络包括高层CSP2 ‑n 单元、 中层第一CS P2‑n单元、 中层第二CS P2‑n单元和低层CS P2‑n单元， 其中， 所述低层CSP2 ‑n单元对所述低层语义特征和经过上采样操作的中间融合特征进行特 征融合得到所述低层语义融合特 征； 所述中层第一CSP2 ‑n单元对经过上采样操作的高层语义特征和所述中层语义特征进 行特征融合得到所述中间融合特 征； 所述中层第二CSP2 ‑n单元对所述中层语义特征、 所述中间融合特征和经过下采样操作 的低层语义融合特 征进行特征融合得到所述中层语义融合特 征； 所述高层CSP2 ‑n单元对所述高层语义特征和经过下采样操作的中层语义融合特征进 行特征融合得到所述高层语义融合特 征。 4.根据权利 要求2所述的基于YOLOv5的光学遥感图像目标检测方法， 其特征在于， 所述 检测头包括回归分支和分类分支， 所述回归分支输出所述待检测光学遥感子图像的目标检 测框， 所述分类分支输出 所述待检测光学遥感子图像的分类 ‑交并比。 5.根据权利 要求1所述的基于YOLOv5的光学遥感图像目标检测方法， 其特征在于， 所述 YOLOv5目标检测模型是基于多个训练图像样本以及每个训练图像样本对应的标签训练获 得的， 所述标签包括目标坐标 标签和目标分类标签。 6.根据权利 要求5所述的基于YOLOv5的光学遥感图像目标检测方法， 其特征在于， 所述 目标分类标签为0和1之间的连续 性数字。 7.根据权利 要求5所述的基于YOLOv5的光学遥感图像目标检测方法， 其特征在于， 所述 YOLOv5目标检测模型的分类损失函数为： Loss＝‑|y‑σ |β((1‑y)log(1‑σ )+ylogσ )； 其中， y表示分类 ‑交并比， σ 表示检测头的分类分支的输出， β 表示调频因子； 所述训练图像样本的分类 ‑交并比的计算公式为： y＝A ×l；权　利　要　求　书 1/2 页 2 CN 115272242 A 2其中， A表示训练图像样本的预测坐标与其对应的目标坐标标签的交并比IoU， 预测坐 标通过对检测头的回归分支的输出进行解码得到， l表示训练图像样本的目标分类标签。 8.根据权利 要求1所述的基于YOLOv5的光学遥感图像目标检测方法， 其特征在于， 所述 步骤4包括： 步骤4.1： 对所述子图像 检测结果进行 过滤去重处 理； 步骤4.2： 对过滤去重处理后的子图像检测结果进行合并， 得到所述待检测光学遥感图 像的检测结果。权　利　要　求　书 2/2 页 3 CN 115272242 A 3