缓解基于目标检测的月球重叠陨石坑漏检的方法及系统

1.本发明属于深空探测技术领域，具体涉及一种缓解基于目标检测的月球重叠陨石坑漏检的方法。


背景技术：

2.陨石坑是月球重要的地表特征之一，月球陨石坑的研究在飞行器着陆导航和月球探测任务中起着关键的作用。随着人工智能的飞速发展，基于深度学习的独特优势，神经网络在目标检测、图像分类等应用领域取得了很好的效果。基于深度学习的计算机视觉技术在月球陨石坑检测任务中也具有广阔的应用前景。然而以往基于深度学习目标检测的方法对于稀疏分散的陨石坑检测效果不错，但是在部分复杂重叠陨石坑场景中很难取得理想的检测效果。因为基于深度学习的目标检测模型输出陨石坑的检测框后会使用非极大值抑制算法对检测框进行去重。而非极大值抑制是一个既定的程序过程，不参与训练，一旦附近的锚框与当前锚框的交并比大于预定的阈值，无论这些预测框是否检测到同一个目标，这些检测框都会被删除，导致经过去重后的最终检测结果与模型推理结果不一致。因此，在部分重叠陨石坑场景中，非极大值抑制过程可能造成重叠陨石坑的检测框被误删的情况，从而影响模型的检测性能，降低召回率。


技术实现要素：

3.针对现有技术的不足，本发明提供一种缓解基于目标检测的月球重叠陨石坑漏检的方法，能缓解部分重叠月球陨石坑场景中对陨石坑漏检的问题，提升模型的召回率。
4.为了达到上述目的，本发明提供的技术方案是一种缓解基于目标检测的月球重叠陨石坑漏检的方法，包括以下步骤：
5.步骤1，准备陨石坑图像数据集用于训练和测试；
6.步骤2，构建月球陨石坑检测网络模型；
7.步骤3，使用训练集图像对月球陨石坑检测网络进行训练；
8.步骤4，使用步骤3训练好的网络模型对测试集图像进行陨石坑检测。
9.而且，所述步骤1中将基于墨卡托坐标系投影的月球原始数字高程模型或者月球光学遥感图像裁剪为大小合适的训练样本，然后进行正交投影，以减少图像的失真，采用已发布的权威人工识别的陨石坑目录，其包含有陨石坑的经纬度和直径信息，先将其转换为像素坐标系中的数据，然后标注在陨石坑训练样本中；重叠陨石坑定义为两个陨石坑的交并比值大于0。
10.而且，所述步骤2中月球陨石坑检测网络模型由骨架网络模块、检测框预测生成模块、非极大值抑制去重模块、头部输出模块构成。将单张陨石坑训练样本输入到骨架网络中进行特征图的提取，然后检测框预测生成模块会基于骨架网络输出的特征图，在特征图的每个特征点上都生成不同尺度比例的若干个预测的检测框以及对应的置信度分数，其中每个检测框代表着一个预测的陨石坑位置及大小，最后非极大值抑制去重模块对检测框进行
去重后，由头部输出模块输出检测结果。
11.而且，所述步骤3中对月球陨石坑检测网络的训练分为两个阶段，第一阶段先对预测检测框生成模块进行训练，并在非极大值去重模块中定义一个损失函数对非极大值去重模块进行训练，预测检测框生成模块生成的预测框经过加入损失函数的非极大值抑制去重后，送入头部输出模块进行第二阶段的分类和回归训练。
12.非极大值去重模块的损失函数为：
13.l＝λ
pull
l
pull
+λ
push
l
push
ꢀꢀ
(1)
14.l
pull
＝-ln(1-δ+iou(b
max
,bm))smꢀꢀ
(2)
15.l
push
＝-ln(1-iou(bi,bm))siꢀꢀ
(3)
16.式中，λ
pull
、λ
push
为调节权重，sm是检测框bm对应的置信度分数，si是检测框bi对应的置信度分数，iou表示两个检测框的交并比值，δ为非极大值抑制模块中设置的交并比阈值，以防止异常的梯度值影响模型学习。
17.根据预测检测框模块输出的置信度大小，将其对应的检测框从高到低进行排列，形成陨石坑预测检测框集合b和对应置信度分数集合s。在每一次非极大值抑制去重迭代的过程中，检查集合b中当前最大置信度分数的检测框bm是否是其预测的真实陨石坑目标的最大置信度分数预测框b
max
，如果不是，那么bm就是没有被删除的同目标重复检测框，此时损失函数l
pull
作用于bm和b
max
之间，l
pull
随着两个预测检测框的iou值的减小而增大，模型会学习到将bm与b
max
拉近；在每一次非极大值抑制去重迭代的过程中，检查被删除的检测框bi对应的预测真实陨石坑目标是否与当前最大置信度分数的检测框bm对应的预测真实陨石坑目标相同，如果不相同，则bi是被误删的不同预测目标检测框，此时损失函数l
push
作用于bi和bm之间，l
push
随着两个预测检测框的iou值的增大而增大，模型会学习到将bi推离bm。
18.在陨石坑检测网络的训练过程中，暂停高置信度预测框的梯度回传，使得陨石坑检测模型可以更专注于错误的预测检测框，当整体的损失函数l达到最小时，训练结束，得到最终的陨石坑检测网络模型。
19.本发明还提供一种缓解基于目标检测的月球重叠陨石坑漏检系统，用于实现如上所述的一种缓解基于目标检测的月球重叠陨石坑漏检的方法。
20.而且，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如上所述的一种缓解基于目标检测的月球重叠陨石坑漏检的方法。
21.或者，包括括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如上所述的一种缓解基于目标检测的月球重叠陨石坑漏检的方法。
22.与现有技术相比，本发明具有如下优点：
23.在具有重叠陨石坑的场景中训练深度学习目标检测模型时，在每一次非极大值抑制去重的过程中，通过l
pull
使得同一个预测目标但是没有被删除的检测框彼此靠近，通过l
push
使得不同预测目标但是被误删的检测框彼此远离，通过把l
pull
、l
push
两个损失函数加入到陨石坑检测模型中训练学习，可以降低在复杂重叠月球陨石坑场景中的陨石坑漏检率，对于通过月球陨石坑进行天文探索、防御地外行星撞击、研究太阳系历史等都能提供重要的科学依据。
附图说明
24.图1为本发明实施例月球重叠陨石坑检测模型结构图。
25.图2为传统深度学习目标检测中非极大值抑制模块的流程图。
26.图3为本发明实施例能缓解重叠陨石坑漏检的非极大值抑制流程图。
具体实施方式
27.本发明提供一种缓解基于目标检测的月球重叠陨石坑漏检的方法，下面结合附图和实施例对本发明的技术方案作进一步说明。
28.实施例一
29.如图1所示，本发明提供一种缓解基于目标检测的月球重叠陨石坑漏检方法，包括以下步骤：
30.步骤1，准备陨石坑图像数据集用于训练和测试。
31.将基于墨卡托坐标系投影的月球原始数字高程模型或者月球光学遥感图像裁剪为大小合适的训练样本，然后进行正交投影，以减少图像的失真。采用已发布的权威人工识别的陨石坑目录，其包含有陨石坑的经纬度和直径信息，先将其转换为像素坐标系中的数据，然后标注在陨石坑训练样本中。重叠陨石坑定义为两个陨石坑的交并比值大于0。
32.步骤2，构建月球陨石坑检测网络模型。
33.月球陨石坑检测网络模型由骨架网络模块、检测框预测生成模块、非极大值抑制去重模块、头部输出模块构成。将单张陨石坑训练样本输入到骨架网络中进行特征图的提取，然后检测框预测生成模块会基于骨架网络输出的特征图，在特征图的每个特征点上都生成不同尺度比例的若干个预测的检测框以及对应的置信度分数，其中每个检测框代表着一个预测的陨石坑位置及大小，最后非极大值抑制去重模块对检测框进行去重后，由头部输出模块输出检测结果。
34.步骤3，使用训练集图像对月球陨石坑检测网络进行训练。
35.根据预测检测框模块输出的置信度大小，将其对应的检测框从高到低进行排列，形成陨石坑预测检测框集合b和对应置信度分数集合s。传统的非极大值去重模块是先把陨石坑预测检测框集合b中具有最大置信度分数的检测框bm从集合b中提取出来，放入到最终保留的检测框集合k中，然后把集合b中所有与检测框bm的交并比值大于阈值δ的检测框及其对应在集合s中的置信度分数删除，无论这些预测框是否检测到同一个目标，循环以上过程，直到集合b中没有预测框。同时传统非极大值抑制模块不参与到目标检测网络模型整体的训练中，因此也导致了经过去重后的最终检测结果与模型推理结果不一致的问题。
36.二阶段式目标检测网络模型经典的训练方式是先在第一阶段先训练预测检测框生成模块，然后预测检测框生成模块生成的预测框经过非极大值抑制去重后被送入头部输出模块进行第二阶段的分类和回归训练。本发明在非极大值去重模块中定义一个损失函数l，使其加入到目标检测网络模型第一阶段的训练中，以缓解月球重叠陨石坑漏检的情况。
37.l＝λ
pull
l
pull
+λ
push
l
push
ꢀꢀ
(1)
38.l
pull
＝-ln(1-δ+iou(b
max
,bm))smꢀꢀ
(2)
39.l
push
＝-ln(1-iou(bi,bm))siꢀꢀ
(3)
40.式中，λ
pull
、λ
push
为调节权重，sm是检测框bm对应的置信度分数，si是检测框bi对应
的置信度分数，iou表示计算两个检测框的交并比值，δ为非极大值抑制模块中设置的交并比阈值，以防止异常的梯度值影响模型学习。
41.在每一次非极大值抑制去重迭代的过程中，检查陨石坑预测检测框集合b中当前最大置信度分数的检测框bm是否是其预测的真实陨石坑目标的最大置信度分数预测框b
max
。如果不是，那么bm就是没有被删除的同目标重复检测框。此时损失函数l
pull
作用于bm和b
max
之间，l
pull
随着两个预测检测框的iou值的减小而增大，模型会学习到将bm与b
max
拉近。需要指出的是，对应置信度分数sm越高的预测检测框bm对评估结果的影响越大，因为置信度越高，说明目标检测网络模型对当前检测框的信任度越高。因此，将置信度分数sm加入到损失函数中，使得目标检测网络不仅可以自适应调整检测框的坐标，而且还可以降低相应同目标重复检测的置信度。
42.在每一次非极大值抑制去重迭代的过程中，检查被删除的检测框bi对应的预测真实陨石坑目标是否与当前最大置信度分数的检测框bm对应的预测真实陨石坑目标相同。如果不相同，则bi是被误删的不同预测目标检测框。此时损失函数l
push
作用于bi和bm之间，l
push
随着两个预测检测框的iou值的增大而增大，模型会学习到将bi推离bm。需要注意的是，为了避免模型学习到通过降低bi的置信度分数来减少推损失，这里的si仅作为损失权重，不进行梯度回传更新学习。
43.本发明中损失函数l是基于预测的检测框进行的，并不能完全认为是真实情况，当损失函数发挥作用时，网络将通过拉或者推使得预测检测框更接近或者更远离彼此。由于具有更好置信度分数的检测框通常会得到一个更准确的坐标位置，因为在很大程度上检测的框的置信度和准确性成正比，因此根据低置信度分数检测框来移动高置信度分数检测框的位置是不合理的。为了缓解这个问题，暂停了高置信度预测框的梯度回传，这样陨石坑检测模型可以更专注于错误的预测检测框。在陨石坑检测网络的训练过程中，当整体的损失函数达到最小，且不能更小的时候，训练结束，得到最终的陨石坑检测网络模型。
44.步骤4，使用步骤3训练好的网络模型对测试集图像进行陨石坑检测。
45.实施例二
46.基于统一发明构思，本发明还提供一种缓解基于目标检测的月球重叠陨石坑漏检系统，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如上所述的一种缓解基于目标检测的月球重叠陨石坑漏检方法。
47.实施例三
48.基于统一发明构思，本发明还提供一种缓解基于目标检测的月球重叠陨石坑漏检系统，包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如上所述的一种缓解基于目标检测的月球重叠陨石坑漏检方法。
49.具体实施时，本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程，实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备，也应当在本发明的保护范围内。
50.本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施案例，做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

技术特征：
1.一种缓解基于目标检测的月球重叠陨石坑漏检的方法，其特征在于，包括以下步骤：步骤1，准备陨石坑图像数据集用于训练和测试；步骤2，构建月球陨石坑检测网络模型；月球陨石坑检测网络模型由骨架网络模块、检测框预测生成模块、非极大值抑制去重模块、头部输出模块构成；步骤3，使用训练集图像对月球陨石坑检测网络进行训练；对月球陨石坑检测网络的训练分为两个阶段，第一阶段先对预测检测框生成模块进行训练，并在非极大值去重模块中定义一个损失函数对非极大值去重模块进行训练，预测检测框生成模块生成的预测框经过加入损失函数的非极大值抑制去重后，送入头部输出模块进行第二阶段的分类和回归训练；步骤4，使用步骤3训练好的网络模型对测试集图像进行陨石坑检测。2.如权利要求1所述的一种缓解基于目标检测的月球重叠陨石坑漏检的方法，其特征在于：步骤1中将基于墨卡托坐标系投影的月球原始数字高程模型或者月球光学遥感图像裁剪为大小合适的训练样本，然后进行正交投影，以减少图像的失真，采用已发布的权威人工识别的陨石坑目录，其包含有陨石坑的经纬度和直径信息，先将其转换为像素坐标系中的数据，然后标注在陨石坑训练样本中；重叠陨石坑定义为两个陨石坑的交并比值大于0。3.如权利要求1所述的一种缓解基于目标检测的月球重叠陨石坑漏检的方法，其特征在于：步骤2中将单张陨石坑训练样本输入到骨架网络中进行特征图的提取，然后检测框预测生成模块会基于骨架网络输出的特征图，在特征图的每个特征点上都生成不同尺度比例的若干个预测的检测框以及对应的置信度分数，其中每个检测框代表着一个预测的陨石坑位置及大小，最后非极大值抑制去重模块对检测框进行去重后，由头部输出模块输出检测结果。4.如权利要求1所述的一种缓解基于目标检测的月球重叠陨石坑漏检的方法，其特征在于：步骤3中非极大值去重模块的损失函数为：l＝λ
pull
l
pull
+λ
push
l
push
ꢀꢀ
(1)l
pull
＝-ln(1-δ+iou(b
max
,b
m
))s
m
ꢀꢀ
(2)l
push
＝-ln(1-iou(b
i
,b
m
))s
i
ꢀꢀ
(3)式中，λ
pull
、λ
push
为调节权重，s
m
是检测框b
m
对应的置信度分数，s
i
是检测框b
i
对应的置信度分数，iou表示两个检测框的交并比值，δ为非极大值抑制模块中设置的交并比阈值，以防止异常的梯度值影响模型学习。5.如权利要求4所述的一种缓解基于目标检测的月球重叠陨石坑漏检的方法，其特征在于：步骤3中根据预测检测框模块输出的置信度大小，将其对应的检测框从高到低进行排列，形成陨石坑预测检测框集合b和对应置信度分数集合s；在每一次非极大值抑制去重迭代的过程中，检查集合b中当前最大置信度分数的检测框b
m
是否是其预测的真实陨石坑目标的最大置信度分数预测框b
max
，如果不是，那么b
m
就是没有被删除的同目标重复检测框，此时损失函数l
pull
作用于b
m
和b
max
之间，l
pull
随着两个预测检测框的iou值的减小而增大，模型会学习到将b
m
与b
max
拉近；在每一次非极大值抑制去重迭代的过程中，检查被删除的检测框b
i
对应的预测真实陨石坑目标是否与当前最大置信度分数的检测框b
m
对应的预测真实陨石坑目标相同，如果不相同，则b
i
是被误删的不同预测目标检测框，此时损失函数l
push
作用
于b
i
和b
m
之间，l
push
随着两个预测检测框的iou值的增大而增大，模型会学习到将b
i
推离b
m
。6.如权利要求5所述的一种缓解基于目标检测的月球重叠陨石坑漏检的方法，其特征在于：步骤3中在陨石坑检测网络的训练过程中，暂停高置信度预测框的梯度回传，使得陨石坑检测模型可以更专注于错误的预测检测框，当整体的损失函数l达到最小时，训练结束，得到最终的陨石坑检测网络模型。7.一种缓解基于目标检测的月球重叠陨石坑漏检的系统，其特征在于，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如权利要求1-6任一项所述的一种缓解基于目标检测的月球重叠陨石坑漏检的方法。8.一种缓解基于目标检测的月球重叠陨石坑漏检的系统，其特征在于，包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如权利要求1-6任一项所述的一种缓解基于目标检测的月球重叠陨石坑漏检的方法。

技术总结
本发明公开了一种缓解基于目标检测的月球重叠陨石坑漏检的方法及系统，在训练基于深度学习的月球陨石坑检测网络模型时，在模型输出检测框去重的过程中，引入一个损失函数，使得同一个预测目标但是没有被删除的检测框彼此靠近，不同预测目标但是被误删的检测框彼此远离。通过把损失函数加入到月球陨石坑检测模型中进行训练学习，能够有效降低复杂重叠月球陨石坑场景中的陨石坑漏检率，对于通过月球陨石坑进行天文探索、防御地外行星撞击、研究太阳系历史等都能提供重要的科学依据。阳系历史等都能提供重要的科学依据。阳系历史等都能提供重要的科学依据。


技术研发人员：鄢建国 苗丁锐博
受保护的技术使用者：武汉大学
技术研发日：2023.04.24
技术公布日：2023/8/24