【技术实现步骤摘要】
基于特征金字塔网络的小目标船只检测方法及系统
本专利技术属于基于计算机视觉的船只检测
，特别涉及基于特征金字塔网络的小目标船只检测方法及系统。
技术介绍
因为复杂的背景以及船只种类大小的多样性，近海船只的实时检测一直是军事民用领域的难题，实时性导致无法使用遥感和雷达影像，只能用视觉影像能够实时检测。在目标检测中，对弱小目标的检测又极为重要。“弱小目标”这个概念最初来源于军事领域，在进行空间导弹拦截时，目标与拦截器距离较远(一般几千公里)，而在成像平面呈现为一个或者几个像素的大小，称为“小目标”。由于目标太小，很容易被噪声和各种杂波(云杂波、海杂波)淹没，所以又称为“弱目标”。小物体在许多现实世界的应用中非常普遍，例如交通标志检测，用于高级自动驾驶的行人检测以及海上的船只检测。一般小目标的定义是由相对尺寸大小决定的，如果目标尺寸的长宽是原图像尺寸的0.1，即认为它是小目标。一般的深度学习模型通常无法检测到非常小的物体，因为丰富的表现很难从它们质量差的外观和结构中学习。一种情况是目标太远难以检测，如下图中的...
【技术保护点】
1.一种基于特征金字塔网络的小目标船只检测方法，其特征在于，包括以下步骤：/n步骤①，进行样本数据预处理，得到预处理后的图片；所述样本数据相应标注船只类型和位置数据；/n步骤②，构建自底向上的卷积神经网络，在前向过程中，抽取不同大小的特征图构成初始特征金字塔；将步骤①经过预处理后的图片作为输入，经过网络处理后，生成不同尺度的特征图；/n步骤③，以上采样的方式构建自顶向下的网络，通过横向连接与步骤②的自底向上的网络融合，将上采样的结果和步骤②生成的初始特征金字塔内对应相同大小的特征图融合成新的特征图；/n步骤④，利用步骤③的特征金字塔内新的特征图，经过RPN网络处理后，生成船...
【技术特征摘要】
1.一种基于特征金字塔网络的小目标船只检测方法，其特征在于，包括以下步骤：
步骤①，进行样本数据预处理，得到预处理后的图片；所述样本数据相应标注船只类型和位置数据；
步骤②，构建自底向上的卷积神经网络，在前向过程中，抽取不同大小的特征图构成初始特征金字塔；将步骤①经过预处理后的图片作为输入，经过网络处理后，生成不同尺度的特征图；
步骤③，以上采样的方式构建自顶向下的网络，通过横向连接与步骤②的自底向上的网络融合，将上采样的结果和步骤②生成的初始特征金字塔内对应相同大小的特征图融合成新的特征图；
步骤④，利用步骤③的特征金字塔内新的特征图，经过RPN网络处理后，生成船只目标的候选区域；
步骤⑤，根据步骤④产生的候选区域，利用样本数据训练特征金字塔网络，采用训练好的特征金字塔网络实现小目标船只的检测。
2.根据权利要求1所述基于特征金字塔网络的小目标船只检测方法，其特征在于：步骤①中，采集的样本数据为可见光下的沿海区域监控视频帧数据，预处理包括中值滤波和Retinex图像增强处理。
3.根据权利要求1所述基于特征金字塔网络的小目标船只检测方法，其特征在于：步骤②中，在前向卷积神经网络中，为每个阶段定义一个金字塔级别，选择每个阶段的最后一层的输出作为特征图的输出，构成特征金字塔。
4.根据权利要求1所述基于特征金字塔网络的小目标船只检测方法，其特征在于：步骤③中，自顶向下的网络通过对在空间上更抽象但语义更强的高层特征图进行上采样来得到高分辨率的特征，随后通过侧向连接从底向上的相同大小的特征，使得高层特征得到增强。
5.根据权利要求1或2或3或4所述基于特征金字塔网络的小目标船只检测方法，其特征在于：步骤④中，采用RPN网络生成目标的候选区域，不同尺度的特征图作为RPN网络的输入来生成多个候选区域；选择与训练样本中真实目标区域的区域重合度IOU大于0.7的候选区域作为正样本，IOU小于0.3的候选区域作为负样本，作为卷积神经网络的基础。
6.一种基于...
【专利技术属性】
技术研发人员：邓练兵，
申请(专利权)人：珠海大横琴科技发展有限公司，
类型：发明
国别省市：广东;44
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。