本发明涉及计算机视觉，尤其涉及一种遥感图像目标检测方法及装置。
背景技术：
1、遥感是于20世纪60年代发展起来的一项对地观测技术。自从上世纪80年代以来，遥感技术的发展非常迅速，对于遥感技术的应用也越来越广泛。遥感图像虽然能提供巨大的信息量，但是如果只靠人力分析，不仅效率底下，耗费不必要的人力物力，还容易漏掉一些关键信息。随着近几年来计算机视觉的飞速发展，学术界和工业界开始用目标检测方法来处理遥感图像，以提高信息提取的效率。
2、但是遥感图像和一般图像存在非常大的差异，遥感图像的检测场景经常出现在例如无人机、卫星等遥感边缘设备上，这些设备的计算资源较少，所以对网络的轻量化有很高要求。
3、因此，如何降低遥感目标检测网络的复杂度成为亟待解决的技术问题。
技术实现思路
1、本发明提供一种遥感图像目标检测方法及装置，用以解决现有技术中遥感目标检测网络复杂度高的缺陷，实现降低遥感目标检测网络的复杂度。
2、第一方面，本发明提供一种遥感图像目标检测方法，包括：
3、将待检测遥感图像输入至遥感目标检测模型中的主干网络，得到所述主干网络输出的第一特征图，其中，所述主干网络包括依次连接的第一下采样层、第二下采样层、第一注意力层、第三下采样层、第二注意力层、第四下采样层和第三注意力层；
4、将所述第一特征图输入至所述遥感目标检测模型中的颈部网络，得到所述颈部网络输出的第二特征图；
5、将所述第二特征图输入至所述遥感目标检测模型中的头部网络，得到所述头部网络输出的目标检测结果。
6、根据本发明提供的一种遥感图像目标检测方法，所述第一注意力层用于接收输入特征图后，输出相应的输出特征图，所述第一注意力层基于如下步骤生成所述输出特征图：
7、对所述输入特征图进行切片，得到第一子特征图和第二子特征图；
8、将所述第一子特征图输入至所述第一注意力层的c3模块，得到所述c3模块输出的第三子特征图，所述第三子特征图的尺寸与所述第一子特征图的尺寸相同；
9、将所述第二子特征图输入至所述第一注意力层的变换模块，得到所述变换模块输出的第四子特征图，所述第四子特征图的尺寸与所述第二子特征图的尺寸相同；
10、将所述第三子特征图和所述第四子特征图进行拼接，得到所述输出特征图。
11、根据本发明提供的一种遥感图像目标检测方法，所述将所述第二子特征图输入至所述第一注意力层的变换模块，得到所述变换模块输出的第四子特征图，包括：
12、将所述第二子特征图输入至所述变换模块的深度可分离卷积层，得到所述深度可分离卷积层输出的第五子特征图，所述第五子特征图的尺寸与所述第二子特征图的尺寸相同；
13、对所述第二子特征图和所述第五子特征图进行融合，得到所述第四子特征图。
14、根据本发明提供的一种遥感图像目标检测方法，所述对所述第二子特征图和所述第五子特征图进行融合，得到所述第四子特征图，包括：
15、将第i个最大元素值作为所述第四子特征图中第i个元素的元素值，i为正整数，i≤n，n为所述第四子特征图的元素数；
16、其中，所述第i个最大元素值是第一元素值与第二元素值中的最大值，所述第一元素值是所述第二子特征图中第i个元素的元素值，所述第二元素值是所述第五子特征图中第i个元素的元素值。
17、根据本发明提供的一种遥感图像目标检测方法，所述将所述第一子特征图输入至所述第一注意力层的c3模块，得到所述c3模块输出的第三子特征图，包括：
18、对所述第一子特征图进行切片，得到第六子特征图和第七子特征图；
19、将所述第六子特征图输入至所述c3模块的第一卷积单元，得到所述第一卷积单元输出的第八子特征图，所述第一卷积单元包括依次连接的卷积层、归一化层和激活层；
20、将所述第七子特征图输入至所述c3模块的第二卷积单元，得到所述第二卷积单元输出的第九子特征图，所述第二卷积单元包括依次连接的卷积层、归一化层和激活层；
21、将所述第九子特征图输入至所述c3模块的瓶颈单元，得到所述瓶颈单元输出的第十子特征图，所述第十子特征图的尺寸与所述第九子特征图的尺寸相同；
22、将所述第八子特征图和所述第十子特征图进行拼接，得到第十一子特征图，所述第十一子特征图的尺寸与所述第一特征图的尺寸相同；
23、将所述第十一子特征图输入至所述c3模块的第三卷积单元，得到所述第三卷积单元输出的第三子特征图，所述第三卷积单元包括依次连接的卷积层、归一化层和激活层。
24、根据本发明提供的一种遥感图像目标检测方法，在所述将待检测遥感图像输入至遥感目标检测模型中的主干网络，得到所述主干网络输出的第一特征图之前，还包括：
25、基于预置比例，对遥感图像样本集进行划分，生成训练数据集和验证数据集；
26、对所述训练数据集进行数据增广，得到增广训练数据集；
27、基于所述增广训练数据集，对遥感目标检测模型进行训练。
28、根据本发明提供的一种遥感图像目标检测方法，所述对所述训练数据集进行数据增广，得到增广训练数据集，包括：
29、对所述训练数据集中的一个或多个遥感图像进行增广变换，生成增广训练数据集；
30、其中，所述增广变换包括旋转变换、反射变换、翻转变换、缩放变换、平移变换、尺度变换、对比度变换、噪声扰动和颜色变换中的至少一种。
31、第二方面，本发明还提供一种遥感图像目标检测装置，包括：
32、第一特征提取模块，用于将待检测遥感图像输入至遥感目标检测模型中的主干网络，得到所述主干网络输出的第一特征图，其中，所述主干网络包括依次连接的第一下采样层、第二下采样层、第一注意力层、第三下采样层、第二注意力层、第四下采样层和第三注意力层；
33、第二特征提取模块，用于将所述第一特征图输入至所述遥感目标检测模型中的颈部网络，得到所述颈部网络输出的第二特征图；
34、目标检测模块，用于将所述第二特征图输入至所述遥感目标检测模型中的头部网络，得到所述头部网络输出的目标检测结果。
35、第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述遥感图像目标检测方法的步骤。
36、第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述遥感图像目标检测方法的步骤。
37、本发明提供的遥感图像目标检测方法及装置，将待检测遥感图像输入至遥感目标检测模型中的主干网络，得到所述主干网络输出的第一特征图，其中，所述主干网络包括依次连接的第一下采样层、第二下采样层、第一注意力层、第三下采样层、第二注意力层、第四下采样层和第三注意力层；将所述第一特征图输入至所述遥感目标检测模型中的颈部网络，得到所述颈部网络输出的第二特征图；将所述第二特征图输入至所述遥感目标检测模型中的头部网络，得到所述头部网络输出的目标检测结果。遥感目标检测模型的主干网络由四个下采样层和三个注意力层组成，也就是对输入进行四次下采样与三次特征提取，相比于传统的五次下采样和四次特征提取，降低了遥感目标检测模型的复杂度，一方面，减少了下采样次数，保留较多的纹理特征信息，有利于遥感目标检测，另一方面，减少了特征提取次数，减小了计算量，从而提高了遥感目标检测的效率。
1.一种遥感图像目标检测方法，其特征在于，包括：
2.根据权利要求1所述的遥感图像目标检测方法，其特征在于，所述第一注意力层用于接收输入特征图后，输出相应的输出特征图，所述第一注意力层基于如下步骤生成所述输出特征图：
3.根据权利要求2所述的遥感图像目标检测方法，其特征在于，所述将所述第二子特征图输入至所述第一注意力层的变换模块，得到所述变换模块输出的第四子特征图，包括：
4.根据权利要求3所述的遥感图像目标检测方法，其特征在于，所述对所述第二子特征图和所述第五子特征图进行融合，得到所述第四子特征图，包括：
5.根据权利要求2所述的遥感图像目标检测方法，其特征在于，所述将所述第一子特征图输入至所述第一注意力层的c3模块，得到所述c3模块输出的第三子特征图，包括：
6.根据权利要求1-5中任一项所述的遥感图像目标检测方法，其特征在于，在所述将待检测遥感图像输入至遥感目标检测模型中的主干网络，得到所述主干网络输出的第一特征图之前，还包括：
7.根据权利要求6所述的遥感图像目标检测方法，其特征在于，所述对所述训练数据集进行数据增广，得到增广训练数据集，包括：
8.一种遥感图像目标检测装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述遥感图像目标检测方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述遥感图像目标检测方法的步骤。
