【技术实现步骤摘要】
基于轻量级感受野金字塔的星载光学遥感图像舰船目标检测方法
本专利技术属于遥感图像处理领域，尤其涉及光学遥感图像的目标检测方法。
技术介绍
基于光学遥感图像的舰船检测一直是遥感目标识别领域的研究热点，在民用和军用领域，舰船均为十分重要的战略目标。随着深度学习的兴起，早期手工特征已逐渐不能满足逐渐复杂的光学遥感视觉识别任务，而深度学习在计算机视觉的广泛应用中显示出了较强的特征表示能力。如何设计适合光学遥感图像舰船目标特性的深度学习检测网络，成为了遥感图像舰船目标检测的重大挑战。为了提升深度学习目标检测网络的各方面性能，研究学者们相继提出许多有价值的目标检测方法。基于深度学习的目标检测方法主要分为两大类：基于区域提名的两阶段检测和基于回归的单阶段检测。Girshick于2014年提出了一种两目标检测框架R-CNN，通过提取候选区域，训练CNN网络结合SVM和回归器进行目标检测，其对比传统目标检测算法在准确率上有突破性进展，但其识别过程划分为三部分，消耗大量的时间与存储资源用于三步之间的资源转存。后续提出SPP-Ne...
【技术保护点】
1.一种基于轻量级感受野金字塔的星载光学遥感图像舰船目标检测方法，其特征在于，包含以下步骤：/n步骤1，构建特征提取模块，获得特征提取模块特征图；所述特征提取模块包含3个结构相同的子模块，每个子模块包括1个卷积层和1个最大池化层；/n步骤2，根据步骤1所得特征提取模块特征图构建轻量级感受野金字塔模块，获得尺度目标特征图；所述轻量级感受野金字塔模块包括4个引入空洞卷积的卷积层支路、1个连接层和一个传统卷积层，其中4个卷积层支路的输入均为步骤1所得特征提取模块特征图，随后，将4个卷积层支路的输出特征图输入连接层，最后再通过一个传统卷积层进行多尺度特征融合，即获得对应4个尺度目标...
【技术特征摘要】
1.一种基于轻量级感受野金字塔的星载光学遥感图像舰船目标检测方法，其特征在于，包含以下步骤：
步骤1，构建特征提取模块，获得特征提取模块特征图；所述特征提取模块包含3个结构相同的子模块，每个子模块包括1个卷积层和1个最大池化层；
步骤2，根据步骤1所得特征提取模块特征图构建轻量级感受野金字塔模块，获得尺度目标特征图；所述轻量级感受野金字塔模块包括4个引入空洞卷积的卷积层支路、1个连接层和一个传统卷积层，其中4个卷积层支路的输入均为步骤1所得特征提取模块特征图，随后，将4个卷积层支路的输出特征图输入连接层，最后再通过一个传统卷积层进行多尺度特征融合，即获得对应4个尺度目标的特征图；
步骤3，根据步骤2所得多尺度目标特征图构建多尺度特征融合检测模块，多尺度特征融合检测模块分为三条检测支路，其中：
第一尺度支路包括4个支路子模块，分别记为支路子模块1、支路子模块2、支路子模块3、支路子模块4，前3个支路子模块包括1个传统卷积层和1个最大池化层，第4个支路子模块包括若干个传统卷积层，第一尺度支路以步骤2中轻量级感受野金字塔模块输出特征图作为输入，输出Np个检测结果参数，Np＝3*(5+Nc)，其中Nc为光学遥感图像舰船数据集舰船类别标注个数；
第二尺度支路分别以第一尺度支路中的支路子模块2的输出特征图，以及第一尺度支路中的支路子模块4的输出进行卷积和上采样之后的特征图作为输入，将两个特征图依次输入连接层、2个传统卷积层，输出Np个检测结果参数；
第三尺度支路分别以第一尺度支路中的支路子模块1的输出特征图，以及第二尺度支路的输出进行卷积和上采样之后的特征图作为输入，将两个特征图依次输入连接层、2个传统卷积层，输出Np个检测结果参数；
步骤4，结合步骤1，2，3中的3个模块，构造基于轻量级感受野金字塔的星载光学遥感图像舰船目标检测网络；然后对输入训练集图片划分网格，在各网格内通过预设尺寸的候选框生成预测框，通过预测框参数和标注真实框参数计算损失函数，计算完训练集内所有图片得到本次迭代损失函数值，完成一次迭代，网络训练以网络损失值为依据，当损失值随迭代次数收敛时，获得网络权重值；最后利用训练好的目标检测网络对待检测图片进行舰船目标检测。
2.如权利要求1所述的一种基于轻量级感受野金字塔的星载光学遥感图像舰船目标检测方法，其特征在于：步骤1中构建特征提取模块的具体实现过程如下，
子模块一卷积层通道数为16，将416*416尺寸的3通道输入图片进行卷积操作得到416*416尺寸的16通道的特征图，经过步长为2尺寸为2*2的最大值池化操作后，生成尺寸为208*208的16通道子模块一特征图；子模块二卷积层通道数为32，将208*208尺寸的16通道子模块一特征图进行卷积操作得到208*208尺寸的32通道的特征图，经过步长为2尺寸为2*2的最大值池化操作后，生成尺寸为104*104的32通道子模块二特征图；子模块三卷积层通道数为64，将104*104尺寸的32通道子模块二特征图进行卷积操作得到104*104尺寸的64通道的特征图，经过步长为2尺寸为2*2的最大值池化操作后，生成尺寸为52*52的64通道特征提取模块特征图。
3.如权利要求1所述的一种基于轻量级感受野金字塔的星载光学遥感图像舰船目标检测方法，其特征在于：步骤2中轻量级感受野金字塔模块的具体实现过程如下，
引入空洞卷积，设置卷积稀释度Rc＝1为默认状态，定义稀释度Rc与原始卷积尺寸kc和稀释后卷积尺寸ka关系为：ka＝(kc-1)*Rc+1，新增的卷积核参数位置用0填充；当Rc＝1时，空洞卷积层等效于传统卷积层，获得相同感受野大小的特征图；当Rc≠1时，空洞卷积层卷积核尺寸发生变化，获得相较于同卷积核尺寸的传统卷积层更大的感受野特征图；
四条卷积层支路设置如下：支路1由通道数等于步骤1特征提取模块输出特征图通道数的1个卷积核尺寸为1*1的传统卷积层构成，此支路输出特征图对应最大的感受野信息；
支路2由通道数等于步骤1特征提取模块输出特征图通道数的1个卷积核尺寸为3*3的传统卷积层构成，此支路输出特征图对应步骤1中特征提取网络输出特征图感受野信息，对应最小的感受野信息；
支路3由通道数等于步骤1特征提取模块输出特征图通道数的1个卷积核尺寸为3*3的空洞卷积层构成，其稀释度设置为2，实际卷积尺寸为5*5，此支路输出特征图对应中型的感受野信息；
支路4由通道数等于步骤1特征提取模块输出特征图通道数的1个卷积核尺寸为3*3的空洞卷积层构成，其稀释度设置为3，实际卷积尺寸为7*7，此支路输出特征图对应较大的感受野信息。
4.如权利要求1所述的一种基于轻量级感受野金字塔的星载光学遥感图像舰船目标检测方法，其特征在于：步骤3中第一尺度支路的具体处理过程如下，
输入特征图为步骤2中轻量级感受野金字塔模块输出特征图；
第一尺度支路子模块1包含卷积核尺寸为3*3通道数为128的传统卷积层和尺寸为2*2，步长为2的最大池化层；子模块1输出特征图尺寸下降至26*26，特征图感受野进一步扩大；
第一尺度支路子模块2包含卷积核尺寸为3*3通道数为256的传统卷积层和尺寸为2*2，步长为2的最大池化层；子模块2输入特征图为子模块1输出特征图，子模块2输出特征图尺寸下降至13*13，特征图感受野达到最大；
第一尺度支路子模块3包含卷积核尺寸为3*3通道数为512的传统卷积层和尺寸为2*2，步长为...
【专利技术属性】
技术研发人员：何楚，童鸣，李盛林，王文伟，
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。