本發明涉及處理，特別涉及一種基于放置先驗的點監督旋轉目標檢測方法。
背景技術：
1、航空影像定向目標檢測是計算機視覺與遙感圖像處理的核心任務，旨在精準定位航空影像中任意朝向的目標并輸出定向邊界框，廣泛應用于航空場景分析、無人機巡檢、遙感監測、自動駕駛等實際場景。相較于常規的水平目標檢測，定向目標檢測能夠更貼合航空影像中目標的實際分布狀態，大幅提升目標定位的精度與有效性。
2、傳統的航空影像定向目標檢測多采用全監督學習范式，依賴對目標定向邊界框的高精度標注，需為每個目標標注中心坐標、寬度、高度、旋轉角度等多個參數，標注過程耗時費力、成本極高，且面對大規模航空影像數據時，難以實現全量精準標注，嚴重限制了定向目標檢測模型的訓練效率與實際部署能力。
3、為降低標注成本，點監督定向目標檢測成為該領域的研究熱點，該范式僅需為每個目標標注一個點坐標及對應類別標簽，大幅減少了標注工作量，為航空影像定向目標檢測的規?；瘧锰峁┝丝尚新窂健Ｈ欢?，點監督模式下缺乏目標的尺寸和角度標注信息，成為提升檢測精度的核心瓶頸，現有點監督定向目標檢測方法為彌補該缺陷，多通過利用各類補充信息來估計目標的尺寸與朝向，例如預訓練生成類別概率圖推導偽旋轉邊界框、構建多視圖影像變換學習目標參數、結合分水嶺分割正則化尺寸估計等。
4、但現有方法仍存在諸多固有缺陷：
5、1.模型結構復雜，偽標簽生成、多視圖變換等操作需要額外的訓練階段，增加了模型的訓練難度與調優成本；
6、2.計算開銷大，影像的重復變換、多階段訓練等過程會帶來成倍的計算量，對硬件資源要求較高，且降低了模型的推理效率；
7、3.部分方法依賴模型在線的角度、尺寸估計結果推導監督信息，易受不成熟的模型預測結果誤導，導致監督信息精度不足，影響最終檢測效果。這些問題使得現有點監督定向目標檢測方法難以在“低標注成本”與“高檢測精度、高計算效率”之間實現平衡，且模型的通用性與可擴展性較差，難以靈活遷移至不同的檢測架構中。
8、航空影像中的目標具有顯著的場景分布特征，即目標并非隨機分布，而是處于特定的地面場景語境中，鄰域內的目標角度通常呈現對齊特征，同類別目標的尺寸在透視視角下具有明顯的比例性，該放置先驗特征為點監督模式下的尺寸與角度估計提供了重要的補充信息。因此，如何充分挖掘并利用航空影像的放置先驗知識，設計輕量、高效、通用的損失監督策略，構建無需額外訓練階段、計算開銷低的點監督定向目標檢測基線模型，在降低標注成本的同時提升檢測精度與效率，成為當前航空影像定向目標檢測領域亟待解決的關鍵問題。
技術實現思路
1、鑒于上述狀況，本發明的主要目的是為了提出一種基于放置先驗的點監督旋轉目標檢測方法，以解決上述技術問題。
2、本發明提出一種基于放置先驗的點監督旋轉目標檢測方法，所述方法包括如下步驟：
3、步驟1、對原始航空影像進行定向目標檢測并劃分為訓練集和測試集；
4、步驟2、將訓練集中的航空影像輸入至目標檢測基線模型的特征提取模塊，依次經過骨干網絡和特征金字塔網絡進行特征提取，以得到p3層像素級特征圖；
5、步驟3、基于p3層像素級特征圖，利用目標檢測基線模型的角度編碼模塊和檢測頭模塊，以得到每個像素對應的定向邊界框；
6、步驟4、利用訓練集中的目標點標注信息對定向邊界框進行正樣本分配，以得到正樣本旋轉框集合；
7、步驟5、基于正樣本旋轉框集合，分別利用目標檢測基線模型的角度先驗損失模塊、尺寸先驗損失模塊和沃羅諾伊分水嶺旋轉邊界框損失模塊，以分別構建角度先驗損失、尺寸先驗損失和沃羅諾伊分水嶺旋轉邊界框損失；
8、基于角度先驗損失、尺寸先驗損失以及沃羅諾伊分水嶺旋轉邊界框損失構建得到訓練目標函數；
9、步驟6、基于訓練目標函數，通過反向傳播以優化目標檢測基線模型，在達到預設訓練條件后，得到優化后的目標檢測基線模型；
10、步驟7、將測試集中的航空影像輸入至優化后的目標檢測基線模型，以得到目標檢測結果。
11、與現有技術相比，本發明有益效果如下：
12、1、本發明僅需單點標注即可訓練準確的旋轉目標檢測模型，相比旋轉邊界框標注大幅減少標注時間和人力成本，適用于大規模數據集構建和快速部署場景。
13、2、本發明通過簡化訓練流程，以摒棄復雜的偽標簽生成、多視圖變換或外部模型依賴，通過簡單的損失項設計實現單階段端到端訓練，無需重復計算，降低研究門檻并便于工程實現。
14、3、本發明通過角度先驗損失和尺寸先驗損失，有效正則化模型預測，以彌補點監督信息不足的缺陷；通過角度向量化將角度差異度量約束在[0,?π/4)區間，適應平行或垂直對齊場景。
15、4、本發明通過基于沃羅諾伊分水嶺區域和優先化分水嶺策略的無訓練旋轉邊界框推導方法，以提供額外的角度監督，并且避免了復雜的預訓練階段，實現輕量高效的監督信號生成。
1.一種基于放置先驗的點監督旋轉目標檢測方法，其特征在于，所述方法包括如下步驟：
2.根據權利要求1所述的基于放置先驗的點監督旋轉目標檢測方法，其特征在于，在所述步驟1中，對原始航空影像進行定向目標檢測并劃分為訓練集和測試集，其中，訓練集里每張圖像標注有目標點標注信息以及與目標點坐標對應的類別獨熱標簽。
3.根據權利要求2所述的基于放置先驗的點監督旋轉目標檢測方法，其特征在于，在所述步驟3中，基于p3層像素級特征圖，利用目標檢測基線模型的角度編碼模塊和檢測頭模塊，以得到每個像素對應的定向邊界框，具體步驟如下：
4.根據權利要求3所述的基于放置先驗的點監督旋轉目標檢測方法，其特征在于，在所述步驟5中，基于正樣本旋轉框集合，分別利用目標檢測基線模型的角度先驗損失模塊、尺寸先驗損失模塊和沃羅諾伊分水嶺旋轉邊界框損失模塊，以分別構建角度先驗損失、尺寸先驗損失和沃羅諾伊分水嶺旋轉邊界框損失，具體步驟如下：
5.根據權利要求4所述的基于放置先驗的點監督旋轉目標檢測方法，其特征在于，在將正樣本旋轉框集合中各正樣本旋轉框的角度向量化，以得到角度向量化表示的過程中，對應有如下關系式：
6.根據權利要求5所述的基于放置先驗的點監督旋轉目標檢測方法，其特征在于，在基于角度向量化表示與正樣本旋轉框的鄰域權重，通過計算以得到鄰域對齊角度的過程中，對應有如下關系式：
7.根據權利要求6所述的基于放置先驗的點監督旋轉目標檢測方法，其特征在于，在基于透視原理，為正樣本旋轉框集合中各正樣本旋轉框建立寬度與位置的線性關系方程的過程中，對應有如下關系式：
8.根據權利要求7所述的基于放置先驗的點監督旋轉目標檢測方法，其特征在于，在利用參數矩陣、輸入特征矩陣以及尺寸標簽矩陣，通過嶺回歸進行最優參數求解，以得到最優參數的過程中，對應有如下關系式：
9.根據權利要求8所述的基于放置先驗的點監督旋轉目標檢測方法，其特征在于，在基于先驗角度，通過優先級分水嶺算法，對流域區域生長或分割時的方向優先級進行分配，以得到優化后的流域區域的過程中，對應有如下關系式：
10.根據權利要求9所述的基于放置先驗的點監督旋轉目標檢測方法，其特征在于，在所述步驟5中，基于角度先驗損失、尺寸先驗損失以及沃羅諾伊分水嶺旋轉邊界框損失構建得到訓練目標函數，對應過程存在的關系式為：