小样本条件下的大幅面遥感图像舰船目标检测方法及系统技术方案

本发明专利技术公开了一种小样本条件下的大幅面遥感图像舰船目标检测方法及系统，其通过在YOLO v5网络的Bottleneck模块中引入SENet注意力机制模块，并新增一个检测层，形成目标检测网络；构建预训练数据集对目标检测网络进行预训练，再利用预处理后的舰船目标标注数据集对目标检测网络进行迁移学习，得到测试模型；对待识别的大幅面遥感图像进行迭代切割得到小图像，用测试模型分别进行目标检测和目标坐标转换，输出目标检测结果。该方法可以利用小批量图像目标样本完成网络模型的有效训练和大幅面图像快速检测，并保持舰船目标检测的准确性和鲁棒性。

【技术实现步骤摘要】
小样本条件下的大幅面遥感图像舰船目标检测方法及系统
本专利技术涉及图像目标识别
，尤其是涉及一种小样本条件下的大幅面遥感图像舰船目标检测方法及系统。
技术介绍
舰船目标检测对于国家海洋安全、监管非法捕捞、打击非法走私等领域具有突出作用。在过去的几年里，随着数据量的快速增长以及计算能力的不断提升，深度学习在目标检测领域取得了一系列的突破，例如YOLO系列目标检测算法获得持续的发展和应用，最新版本为YOLOv5，已经在发布https://github.com/ultralytics/yolov5，其网络结构主要由Focus、Conv、Bottleneck、BottleneckCSP、Upsampling、concat、CSP、SPP、Conv2d模块组成。但是，将YOLO等深度学习算法直接用于遥感图像舰船目标检测中，会面临各种各样的问题和考验。首先，深度学习依赖于大数据的支撑，在大数据的驱动下，机器才能够进行有效的学习。遥感图像领域中构造一个能够覆盖完整样本分布的数据集，往往需要耗费大量的人力、物力去搜集和标记数据，且训练集和测试集来自与同一本文档来自技高网...

【技术保护点】
1.一种小样本条件下的大幅面遥感图像舰船目标检测方法，其特征在于，包括如下步骤：/n在YOLO v5网络的Bottleneck模块中引入SENet注意力机制模块，并增加一个检测层，形成目标检测网络；/n构建预训练数据集对目标检测网络进行预训练，再利用预处理后的舰船目标标注数据集对目标检测网络进行迁移学习，得到测试模型；/n对待识别的大幅面遥感图像进行迭代切割得到小图像，用测试模型分别进行目标检测和目标坐标转换，输出目标检测结果。/n

【技术特征摘要】
1.一种小样本条件下的大幅面遥感图像舰船目标检测方法，其特征在于，包括如下步骤：
在YOLOv5网络的Bottleneck模块中引入SENet注意力机制模块，并增加一个检测层，形成目标检测网络；
构建预训练数据集对目标检测网络进行预训练，再利用预处理后的舰船目标标注数据集对目标检测网络进行迁移学习，得到测试模型；
对待识别的大幅面遥感图像进行迭代切割得到小图像，用测试模型分别进行目标检测和目标坐标转换，输出目标检测结果。


2.根据权利要求1所述小样本条件下的大幅面遥感图像舰船目标检测方法，其特征在于，所述在YOLOv5网络的Bottleneck模块中引入SENet注意力机制模块，包括：
在YOLOv5网络的每一个Bottleneck模块中引入SENet模块，SENet模块主要分为三个部分：squeeze操作，excitation操作，reweight操作。squeeze操作采用的是全局平均池化；excitation操作采用的串联两个全连接神经网络FC，其中激活函数分别采用Relu函数和Sigmoid函数；reweight操作采用的是Scale操作。


3.根据权利要求1所述小样本条件下的大幅面遥感图像舰船目标检测方法，其特征在于，所述在YOLOv5网络中新增一个检测层，包括：
在YOLOv5网络中的Bottleneck模块和SPP模块之间增加一个BottleneckCSP模块，所述BottleneckCSP模块依次网络连接Upsampling、concat、Conv、BottleneckCSP、Conv2d模块，同时该BottleneckCSP模块的特征图与下一检测层中最后一个BottleneckCSP模块输出的特征图进行特征融合；运用特征金字塔算法将低层特征高分辨率的低语义特征和高层特征的高语义信息进行结合，将深层信息上采样，与浅层信息逐元素地相加，融合不同层的特征，得到改进后的YOLOv5网络，即目标检测网络；输入目标检测网络中的图像尺寸为640*640*3，经过卷积池化、张量拼接等过程，最终可以得到四种不同尺寸18*10*10，18*20*20，18*40*40，18*80*80的特征图。


4.根据权利要求1所述小样本条件下的大幅面遥感图像舰船目标检测方法，其特征在于，所述构建预训练数据集对目标检测网络进行预训练，再利用预处理后的舰船目标标注数据集对目标检测网络进行迁移学习，得到测试模型；包括：
搜集包含船只目标的公开数据集制作预训练数据集，利用采集的舰船目标遥感图像制作标注数据集，对预训练数据集和标注数据集进行数据预处理；
采用预处理后的公开数据集对目标训练模型进行一次训练，获得一次训练后的权重；
采用预处理后的标注数据集对目标训练模型进行二次训练，获得二次训练后的权重。


5.根据权利要求4所述小样本条件下的大幅面遥感图像舰船目标检测方法，其特征在于，所述数据预处理包括如下步骤：
利用LabelImg对图像中的舰船目标进行类别和标注框的标注；
将图像原始标签文件格式转换为YOLO格式的标签文件；
对图像大小大于1024*1024的图像进行矩...

【专利技术属性】
技术研发人员：张必银，刘玖周，周倩文，胡忠辉，
申请(专利权)人：中国船舶重工集团公司第七零九研究所，
类型：发明
国别省市：湖北;42