一种轻量化制造技术

本发明专利技术公开了一种轻量化

【技术实现步骤摘要】
一种轻量化YOLO的ISAR图像实时目标检测方法


[0001]本专利技术涉及计算机领域中的深度学习
，具体为一种轻量化
YOLO
的
ISAR
图像实时目标检测方法
。

技术介绍

[0002]逆合成孔径雷达
(Inverse Synthetic Aperture Radar
，
ISAR)
作为一种新体制雷达，能够对飞机
、
导弹
、
舰船
、
卫星等运动目标进行高分辨二维成像，在战略防御
、
战术武器
、
反卫星等军事领域以及未来的空中
、
空间交通管制等民事领域中都有重要的应用价值
。
到目前为止，已经出现了许多
ISAR
目标检测方法或算法，但现有的大多数研究都是以牺牲检测速度为代价来提高检测精度
。
此外，我们的调查发现，很少有研究关注检测速度
。
然而，牺牲速度来换取准确性是不令人满意的，因为一些实时场合既需要高精度，也需要高速度，例如紧急军事部署
、
快速空中拦截等
。

技术实现思路

[0003]鉴于现有技术的不足，本专利技术旨在于提供一一种轻量化
YOLO
的
ISAR
图像实时目标检测方法，该方法是基于轻量化
YOLO
，适用于
ISAR
图像的自主实时目标检测r/>。
[0004]为了实现上述目的，本专利技术采用的技术方案如下：
[0005]一种轻量化
YOLO
的
ISAR
图像实时目标检测方法，所述方法包括：
[0006]S1
图像数据预处理，利用图像标注软件对图像中待检测目标进行标注，类别标签为
plane
；每个目标均由一个四边形进行标注，具体形式为
(x
min
,y
min
,x
max
,y
max
)
，其中
(x
min
,y
min
)
表示左上角的顶点，
(x
max
,y
max
)
表示右下角的顶点；随机将所有图像按2：1的比例分成训练集和测试集，图像尺寸统一为
416pixel
×
416pixel
；
[0007]S2
基于
CSP
‑
OSA
模块和特征金字塔对输入图像进行特征提取；
[0008]S3
使用预处理后的训练集进行训练，在每个特征点位置上生成3个先验框，其中采用
K
‑
means
聚类代替手工设计来设置先验框的参数；
[0009]S4
使用训练得到的网络对测试集进行测试，利用步骤
S3
得到的权重文件，对测试集图像进行测试
。
[0010]需要说明的是，在所述步骤
S2
中，整个特征提取网络共
21
层卷积层，包括3个
CSP
‑
OSA
模块和1个特征金字塔，其中卷积核的大小为1×1或3×3，同时采用批归一化和
LeakyRelu
激活函数进行优化；
CSP
‑
OSA
模块沿着特征通道将输入特征分成两部分，其中一部分被输入到残差块和两个卷积层，最后三个部分特征沿特征通道连接起来作为输出特征
。
[0011]需要说明的是，所述步骤
S3
中，采用
CIoU
作为边界框回归损失，使用随机梯度下降进行网络训练，训练直到损失函数收敛不再下降，获得权重文件
。
[0012]需要说明的是，初始学习率为
0.00261
，总迭代次数为
6000
，其中在迭代次数为
4800
和
5400
时学习率衰减为原来的
1/10。
[0013]需要说明的是，所述
CIoU
的损失函数定义如下：
[0014][0015][0016][0017]其中，
d
和
g
分别表示预测框和真实框，
ρ
(
·
)
表示计算两个边界框中心的欧式距离，
Δ
表示包围预测框和
ground
‑
truth
框的最小矩形的对角线距离，
IoU
表示两个边界框的交集与并集比值，
w
g
,h
g
表示真实框的宽和高，
w
d
,h
d
表示预测框的宽和高，
β
是权衡参数，
ν
表示长宽比的一致性
。
[0018]需要说明的是，所述步骤
S4
中，与训练集图像预处理一样，测试集每一张图像统一为
416pixel
×
416pixel。
[0019]本专利技术的有益效果在于，利用
CSP
‑
OSA
模块和特征金字塔改进
YOLO
算法，实现了高精度且高速地检测
ISAR
图像中飞机目标
。
附图说明
[0020]图1为本专利技术的流程示意图
。
具体实施方式
[0021]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0022]实施例
[0023]如图1所示，本专利技术提供一种轻量化
YOLO
的
ISAR
图像实时目标检测方法，所述方法包括：
[0024]S1
图像数据预处理，利用图像标注软件对图像中待检测目标进行标注，类别标签为
plane
；每个目标均由一个四边形进行标注，具体形式为
(x
min
,y
min
,x
max
,y
max
)
，其中
(x
min
,y
min
)
表示左上角的顶点，
(x
max
,y
max
)
表示右下角的顶点；随机将所有图像按2：1的比例分成训练集和测试集，图像尺寸统一为
416pixel
×
41本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种轻量化
YOLO
的
ISAR
图像实时目标检测方法，其特征在于，所述方法包括：
S1
图像数据预处理，利用图像标注软件对图像中待检测目标进行标注，类别标签为
plane
；每个目标均由一个四边形进行标注，具体形式为
(x
min
,y
min
,x
max
,y
max
)
，其中
(x
min
,y
min
)
表示左上角的顶点，
(x
max
,y
max
)
表示右下角的顶点；随机将所有图像按2：1的比例分成训练集和测试集，图像尺寸统一为
416pixel
×
416pixel
；
S2
基于
CSP
‑
OSA
模块和特征金字塔对输入图像进行特征提取；
S3
使用预处理后的训练集进行训练，在每个特征点位置上生成3个先验框，其中采用
K
‑
means
聚类代替手工设计来设置先验框的参数；
S4
使用训练得到的网络对测试集进行测试，利用步骤
S3
得到的权重文件，对测试集图像进行测试
。2.
根据权利要求1所述的轻量化
YOLO
的
ISAR
图像实时目标检测方法，其特征在于，在所述步骤
S2
中，整个特征提取网络共
21
层卷积层，包括3个
CSP
‑
OSA
模块和1个特征金字塔，其中卷积核的大小为1×1或3×3，同时采用批归一化和
Leaky Relu
激活函数进行优化；
CSP
‑
OSA
模块沿着特征通道将输入特征分成两部分，其中一部分被输入到残差块和两个卷积层，最后三个部分特征沿特征通...

【专利技术属性】
技术研发人员：朱明明，刘宗信，赵玉磊，宋亚南，马晶玺，乔兴文，赵志勇，王高峰，
申请(专利权)人：中国人民解放军，
类型：发明
国别省市：