【技术实现步骤摘要】
一种基于迁移学习的SAR遥感图像舰船检测方法
本专利技术涉及计算机视觉
,特别涉及一种基于迁移学习的SAR遥感图像舰船检测方法。
技术介绍
SAR指的是合成孔径雷达,通过其产生的遥感图像称为SAR遥感图像。与传统的光学遥感器不同,SAR具有一定的穿透能力,并且不受大雾和云层的影像,可以全天时、全天候的进行成像,因此SAR图像广泛地应用于减灾、水利、海洋监控等领域。舰船检测一直是遥感图像领域中重要的研究方向之一,其中SAR遥感图像的舰船检测方法最常用的是CFAR(恒虚警率),即通过选定一种背景杂波分布模型,通过设置一定的虚警率来进行舰船检测(胡宇.SAR图像舰船检测方法研究[D].沈阳航空航天大学,2017.)。CFAR算法结构简单,运算效率高,但针对不同的情况,虚警率和杂波分布模型往往需要重新设置,导致其泛化性不强,特别是在港口、码头等背景复杂的海域,会产生许多的干扰,导致基于CFAR的舰船检测方法有着较高的误检率,并不能取得很好的效果。同时,由于SAR遥感图像的成像特点,使得遥感图像中的舰船会产生一些残影,而且在特定应用需要使用很小的虚警率时(10^-4),很容易丢失检测目标(CozzolinoD,MartinoGD,PoggiG,etal.Afullyconvolutionalneuralnetworkforlow-complexitysingle-stageshipdetectioninSentinel-1SARimages[C]//GeoscienceandRemoteSensingSymposium.IEEE,2017.)。随着深度学习的兴 ...
【技术保护点】
1.一种基于迁移学习的SAR遥感图像舰船检测方法,其特征在于,包括以下步骤:步骤1:准备相关数据集,包括光学遥感图像舰船数据集作为源域和SAR遥感图像数据集作为目标域,其中光学遥感图像舰船数据集有舰船标注,SAR遥感图像数据集没有舰船标注;步骤2:基于迁移学习的思想,设计用于训练的网络和损失函数;步骤2.1:设计目标域与源域的私有编码结构和共享编码结构,以VGG16作为基础结构,将全连接层FC6和FC7变成卷积层,同时,额外增加两个卷积层以及一个全连接层,每个卷积层后面跟随BN操作,全连接层的输出大小为100;步骤2.2:设计损失函数,包括相似损失函数,区别损失函数,以及分类损失和回归损失;其中相似损失函数,完成两个领域的共享表示;区别损失函数,保证每个域的独立特性;分类和回归损失用于舰船的检测;相似损失函数;将目标域与源域共享编码结构得到的目标域图像特征与源域图像特征,通过梯度反转层和领域分类器实现目标域图像特征与源域图像特征最大程度的“混淆”,完成领域的共享;具体的公式为:
【技术特征摘要】
1.一种基于迁移学习的SAR遥感图像舰船检测方法,其特征在于,包括以下步骤:步骤1:准备相关数据集,包括光学遥感图像舰船数据集作为源域和SAR遥感图像数据集作为目标域,其中光学遥感图像舰船数据集有舰船标注,SAR遥感图像数据集没有舰船标注;步骤2:基于迁移学习的思想,设计用于训练的网络和损失函数;步骤2.1:设计目标域与源域的私有编码结构和共享编码结构,以VGG16作为基础结构,将全连接层FC6和FC7变成卷积层,同时,额外增加两个卷积层以及一个全连接层,每个卷积层后面跟随BN操作,全连接层的输出大小为100;步骤2.2:设计损失函数,包括相似损失函数,区别损失函数,以及分类损失和回归损失;其中相似损失函数,完成两个领域的共享表示;区别损失函数,保证每个域的独立特性;分类和回归损失用于舰船的检测;相似损失函数;将目标域与源域共享编码结构得到的目标域图像特征与源域图像特征,通过梯度反转层和领域分类器实现目标域图像特征与源域图像特征最大程度的“混淆”,完成领域的共享;具体的公式为:其中d,0和1分别代表源域和目标域,d是已知的,则是通过目标域和源域共享编码结构得到的特征作为依据预测出来的,通过梯度反转层将该损失最大化;梯度反转层在原函数梯度前加一个负号,达到仍然是求损失的最小值的目的;区别损失函数;通过私有和共享领域特征之间的软子空间正交性约束定义,使共享和私有编码去编码输入的不同方面;该损失函数的输入为目标域私有编码结构得到的目标域图像特征和源域私有编码结构得到的源域图像特征;具体的公式为:其中是源域数据通过共享编码结构得到的特征矩阵,是源域数据通过私有编码结构得到的特征矩阵,是目标域数据通过共享编码结构得到的特征矩阵,是目标域数据通过私有编码结构得到的特征矩阵;分类和回归损失,其中分类损失采用softmaxloss,回归损失采用smoothL1loss;具体的公式为:分类和回归损失是用在检测结果上的,在训练过程中,是用带标签的源域数据通过上述损失来训练用于舰船检测的网络;步骤3:使用设计的网络对数据集进行训练,得到用于SAR遥感图像舰船检测的模型;步骤3.1:将源域和目标域数据同时输入到网络中;选取源...
【专利技术属性】
技术研发人员:毛克明,马卿云,刘舒琦,
申请(专利权)人:东北大学,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。