【技术实现步骤摘要】
基于优化SSD目标检测模型的港口自动识别方法及系统
本专利技术属于智能水运交通领域，特别是一种基于优化SSD目标检测模型的港口自动识别方法及系统。
技术介绍
内河港口是指在除沿海岸线以外的河流、湖泊、水库等水域内建造的港口。内河码头普遍受河道通航水深和宽度的影响，大多存在堆场纵深浅、装卸设备小、泊位不大等特点。内河港口的标注工作往往使用传统的手动标注方式，由工作人员在遥感图像上对每个港口进行逐一圈定，这种人工标注港口的缺点在于：1、内河港口排布往往较为混乱，形态各异，通过肉眼识别判断需要花费大量的脑力和精力；2、内河港口数量众多，在庞大复杂的遥感地图中逐一查找工作量大，整个工作过程消耗时间长，同时易发生遗漏现象；3、缺乏科学性，当今是人工智能蓬勃发展的时代，港口标注工作不应停留在落后的人工识别阶段，需要与时俱进，跟上科学发展的步伐；基于上述情况，目前迫切需要一种新的内河港口目标检测方法，使内河港口的标注能够脱离传统的人工方式，实现自动检测，为排查各区域内河港口的现状提供便利，使规范整治工作能够...
【技术保护点】
1.一种基于优化SSD目标检测模型的港口自动识别方法，其特征在于，所述方法包括以下步骤：/n步骤1，建立优化的SSD目标检测模型；/n步骤2，构建内河港口数据集；/n步骤3，利用所述港口数据集训练所述优化的SSD目标检测模型；/n步骤4，针对待检测的卫星遥感图像，利用训练好的SSD目标检测模型识别检测其中的内河港口。/n
【技术特征摘要】
1.一种基于优化SSD目标检测模型的港口自动识别方法，其特征在于，所述方法包括以下步骤：
步骤1，建立优化的SSD目标检测模型；
步骤2，构建内河港口数据集；
步骤3，利用所述港口数据集训练所述优化的SSD目标检测模型；
步骤4，针对待检测的卫星遥感图像，利用训练好的SSD目标检测模型识别检测其中的内河港口。
2.根据权利要求1所述的基于优化SSD目标检测模型的港口自动识别方法，其特征在于，步骤1所述建立优化的SSD目标检测模型，具体包括：
步骤1-1，构建优化的SSD目标检测模型：
以VGG-16作为基础模型，在VGG-16的基础上新增卷积层以获得更多的特征图以用于检测；具体包括：特征提取部分将VGG-16的全连接层FC6层和FC7层转换成3×3的卷积层Conv6和1×1的卷积层Conv7，同时将VGG-16的池化层pool5由原来的2×2-s2变成3×3-s1，同时为了配合这种变化，采用了AtrousAlgorithm；此外，移除VGG-16的dropout层和FC8层，并新增一系列卷积层；
则所述优化的SSD目标检测模型包括依次设置的卷积层Conv4_3、Conv6、Conv7，Conv8_2，Conv9_2，Conv10_2，Conv11_2，输入图像经该模型后共提取7个特征图，大小分别为(38，38)，(19，19)，(19，19)，(10，10)，(5，5)，(3，3)，(1，1)；
步骤1-2，在不同特征图上设置不同数目的先验框，同一个特征图上每个单元设置的先验框是相同的，其中，
先验框尺度sk设置公式为：
式中，m表示特征图个数，sk表示先验框大小相对于图片的比例，smin和smax分别表示先验框大小相对于图片比例的最小值与最大值；
先验框的宽度与高度计算公式分别为：
式中，分别表示先验框的宽度与高度，ar表示长宽比；
步骤1-3，设置损失函数：
损失函数定义为位置误差Lloc(x,l,g)与置信度误差Lconf(x,c)的加权和：
式中，N为先验框的正样本数量，α为权重系数，用于平衡分类损失和定位损失，为一个指示参数，当时表示第i个先验框与第j个真实边界框值匹配，并且真实边界框值的类别为p，c为类别置信度预测值，l为先验框所对应边界框的位置预测值，g为真实边界框的位置参数，权重系数α通过交叉验证设置为1。
3.根据权利要求2所述的基于优化SSD目标检测模型的港口自动识别方法，其特征在于，步骤2所述构建内河港口数据集，具体包括：
步骤2-1，采集多幅包含内河港口的卫星遥感图像；
步骤2-2，利用图形图像注释工具在各卫星遥感图像上标注出内河港口，并标注该内河港口的位置、类别、形状、...
【专利技术属性】
技术研发人员：白桦，周涛，刘秀彩，裴剑平，孙婧，
申请(专利权)人：华设设计集团股份有限公司，
类型：发明
国别省市：江苏;32
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。