【技术实现步骤摘要】
一种基于深度学习的高分辨率遥感影像舰船目标检测方法
本专利技术属于高分辨率遥感影像舰船目标检测领域，具体涉及一种基于深度学习的高分辨率遥感影像舰船目标检测方法，能有效抵抗环境因素的干扰，稳定、精确地对高分辨率遥感影像中处于不同场景、具有不同尺寸和姿态的舰船进行检测。
技术介绍
舰船目标检测技术主要指从影像中，利用合适的目标提取和识别方法，自动检测舰船目标的过程。高效、高精度地对舰船进行检测，在航线规划、军事目标侦察以及海洋环境监测等方面都具有重要意义，因此，舰船目标检测具有重要的研究价值。随着众多高分辨率卫星的发射和遥感影像质量的提高，越来越多的国家和地区开始关注针对高分辨率遥感影像的舰船目标检测方法。基于高分辨率遥感影像的舰船目标检测技术主要利用卫星搭载的各类传感器，获取高分辨率遥感影像，然后对影像进行分析和特征提取，构建决策模型，进而检测影像中的舰船区域，并指示舰船在影像中的具体位置。高分辨率遥感影像舰船目标检测方法主要分为以下两种：基于舰船固有特征的方法；基于通用特征描述算子的方法。基于舰船固有特征的方法主要根据舰船的固有特性，以舰船的轮廓、形态、灰度、纹理...
【技术保护点】
1.一种基于深度学习的高分辨率遥感影像舰船目标检测方法，其特征在于，包括以下步骤：步骤1，采集包含舰船目标的高分辨率遥感影像，使用能包围舰船目标的最小四边形对影像中的舰船进行预先标注，将遥感影像和对应的标注信息打包作为舰船数据集；步骤2，设置深度学习网络模型的结构，包括使用级联的卷积层和池化层提取输入影像的全局和高层特征，并对具有不同语义性和分辨率的特征映射图进行连接，对连接得到的特征映射图上的每个位置设置多个参考四边形，使用全连接层对参考四边形分类，保留被判定为舰船区域的参考四边形，然后使用另一个全连接层回归得到被保留的参考四边形与包围舰船目标的最小四边形之间的映射函数；...
【技术特征摘要】
1.一种基于深度学习的高分辨率遥感影像舰船目标检测方法，其特征在于，包括以下步骤：步骤1，采集包含舰船目标的高分辨率遥感影像，使用能包围舰船目标的最小四边形对影像中的舰船进行预先标注，将遥感影像和对应的标注信息打包作为舰船数据集；步骤2，设置深度学习网络模型的结构，包括使用级联的卷积层和池化层提取输入影像的全局和高层特征，并对具有不同语义性和分辨率的特征映射图进行连接，对连接得到的特征映射图上的每个位置设置多个参考四边形，使用全连接层对参考四边形分类，保留被判定为舰船区域的参考四边形，然后使用另一个全连接层回归得到被保留的参考四边形与包围舰船目标的最小四边形之间的映射函数；步骤3，基于训练样本集，对网络模型进行训练，包括使用交叉熵定义分类的损失函数，使用平滑的L1范数定义回归的损失函数，以分类损失函数与回归损失函数之和作为整体的损失函数，基于随机梯度下降算法迭代...
【专利技术属性】
技术研发人员：姚剑，韩婧，李昊昂，涂静敏，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42
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。