The invention discloses a ship detection method in UAV aerial image based on depth learning. Firstly, UAV aerial images including military and civilian vessels are collected and tagged to obtain the ship database. Then, the acquired ship database is sent to the depth learning network for training until the network converges. Finally, the trained depth learning network and weight files are used to detect the ship targets in UAV aerial images and output the detection results. The invention has better accuracy and robustness, effectively solves the problem of small target detection in UAV aerial photograph image, and also solves the problems of environmental interference, low illumination effect and accuracy in traditional image processing algorithm for ship detection, and can be applied to ship detection in different scenarios.
【技术实现步骤摘要】
一种基于深度学习的无人机航拍图像中的船舶检测方法
本专利技术属于计算机视觉
,特别涉及了一种基于深度学习的无人机航拍图像中的船舶检测方法。
技术介绍
随着社会经济的发展,交通事业在迅速发展,船舶在数量、吨位和航速上逐年增长,船舶碰撞、船舶撞桥等事故发生的频率也越来越高。由于航海事故造成的人员伤亡、财产损失以及环境破坏相当惊人;更加重要的是,随着工业科技的迅猛发展,民用船只和军用船舰的区分识别关系着国家安全和人民安全问题,尤其在对海上外来船只的精确定位。船舶的检测可以被广泛应用于军用、民用的各领域,在陆地资源调查、海洋勘探、军事侦查、打击分析和评估等方面发挥着重要作用。同时,随着空、天平台数据获取能力的日益增强,利用无人机技术进行船舶目标检测和识别受到越来越多的重视。船舶的精确定位和识别,可以用于检测监视船舶,在船舶的安全航行和避碰中发挥积极的作用,并可以为水面航道提供更加可靠的数据。在现代高技术条件下的战争中,尽早对有严重威胁的军事目标进行探测和识别也是非常重要的。现有船舶检测算法主要有基于特征的船舶检测算法、基于视觉的船舶检测算法、基于帧间差分的船舶检测算法和基于深度学习的船舶检测算法等。其中基于视觉和帧间差分的船舶检测算法主要用于运动船舶检测,而基于特征的船舶检测算法更常用于静态图像检测,而基于深度学习的船舶检测算法则适用于运动和静态的船舶检测。目前,对于基于特征的船舶检测算法通常需要图像预处理、图像特征提取、图像分类等步骤。汪闽等人在高分辨率遥感图像上对大型船舶进行自动识别与提取,文章结合港口形状特征,根据船舶的不同运行状态,设计了不同的算法进 ...
【技术保护点】
1.一种基于深度学习的无人机航拍图像中的船舶检测方法,其特征在于,包括以下步骤:(1)采集包含军用舰船和民用船只的无人机航拍图像并进行标注,获得船舶数据库;(2)将步骤(1)获得的船舶数据库送入深度学习网络进行训练,直至网络收敛;(3)利用步骤(2)训练好的深度学习网络和权重文件来检测无人机航拍图像中的船舶目标,并输出检测结果。
【技术特征摘要】
1.一种基于深度学习的无人机航拍图像中的船舶检测方法,其特征在于,包括以下步骤:(1)采集包含军用舰船和民用船只的无人机航拍图像并进行标注,获得船舶数据库;(2)将步骤(1)获得的船舶数据库送入深度学习网络进行训练,直至网络收敛;(3)利用步骤(2)训练好的深度学习网络和权重文件来检测无人机航拍图像中的船舶目标,并输出检测结果。2.根据权利要求1所述基于深度学习的无人机航拍图像中的船舶检测方法,其特征在于,步骤(1)的具体步骤如下:(A1)采集用于训练深度学习网络的包含船舶的无人机航拍图像;(A2)将采集到的图像进行数据预处理;(A3)将预处理后的图像用矩形框进行标注,获取矩形框的坐标以及矩形框内所包含船舶的种类,最终得到船舶数据库。3.根据权利要求2所述基于深度学习的无人机航拍图像中的船舶检测方法,其特征在于,在步骤(A2)中,所述数据预处理包括丢掉不包含船舶目标的图像以及船舶目标显示不到一半的图像。4.根据权利要求2所述基于深度学习的无人机航拍图像中的船舶检测方法,其特征在于,在步骤(A3)中需要标注两类数据:军用舰船和民用船只,首先采用浮点型数据格式记录矩形框的位置信息,然后转换成改进的深度学习网络需要的数据格式。5.根据权利要求1所述基于深度学习的无人机航拍图像中的船舶检测方法,其特征在于,步骤(2)中所述深度学习网络为改进的YOLT网络,改进的YOLT网络的结构如下表所示:训练数据或测试数据从第0层卷积层输入网络,依次经过0,1,2,…,28层处理,最终从第28层卷积层输出;其中,在第12层Passthrough层,将第6层卷积层与第11层池化层连接起来,然后输入到第13层卷积层;在第26层Passthrough层,将第17层卷积层与第25层卷积层连接起来,然后输入到第27层卷积层。6.根据权利要求5所述基于深度学习的无人机航拍图像中的船舶检测方法,其特征在于,所述改进的YOLT网络采用anchorboxes机制,使用7个anchors,且利用k-means均值方法获取anchors大小。7.根据权利要求1所述基于深度学习的无人机航拍图像中的船舶检测方法,其特征在于,步骤(2)的具体步骤如下:(B1)将船舶数据库送...
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。