基于轻量化YOLOv5网络模型的SAR船舶图像目标识别方法技术

本发明专利技术公开了一种基于轻量化YOLOv5网络模型的SAR船舶图像目标识别方法，包括如下步骤：选取SAR‑Ship‑Dataset数据集中的图片并划分为训练集和验证集；搭建轻量化YOLOv5网络模型，其中，所述轻量化YOLOv5网络模型引入MobileNet模块和Ghost Bottleneck模块，并采用SIOU作为损失函数；利用训练集和验证集对所述轻量化YOLOv5网络模型进行训练，得到训练好的轻量化YOLOv5网络模型；将待测试的SAR船舶图像输入到训练好的轻量化YOLOv5网络模型中，识别船舶目标。该船舶图像目标识别方法，参数和运算量少，可确保SAR图像检测的精度，缩短训练时间。

【技术实现步骤摘要】

本专利技术涉及船舶或其他水上船只检测识别领域，具体是一种基于轻量化的yolov5网络模型的sar船舶图像目标识别方法。

技术介绍

1、合成孔径雷达(sar)是一种使用雷达技术获取地面或目标信息的无源遥感技术，因其高分辨率、无遥感源及不受天气影响等优势，已成为海洋监测的重要技术手段之一。同时，在sar图像分辨率的逐步提高与深度学习算法的蓬勃发展过程中，深度学习方法逐渐取代了计算复杂的传统方法。由于sar船舶图像目标识别任务与其他计算机视觉任务有很强的相似性，可以使用训练好的网络模型进行迁移学习，从而加速模型的训练过程并提高模型的准确率。然而sar图像与光学图像在图像特性上存在显著差异，直接将应用于光学图像识别的深度学习方法迁移于sar图像，存在着模型参数多、运算量大、训练样本稀少及类别划分不平衡等问题，这使得yolov5训练时间长、训练精度难以保证。

2、因此，如何对yolov5进行改进，并将其应用到sar船舶图像目标识别方法中，成为亟待解决的问题。

技术实现思路

1、鉴于此，本专利技术的目的在于将本文档来自技高网...

【技术保护点】

1.基于轻量化YOLOv5网络模型的SAR船舶图像目标识别方法，其特征在于，包含如下步骤：

2.根据权利要求1所述的基于轻量化YOLOv5网络模型的SAR船舶图像目标识别方法，其特征在于：S1中，训练集和验证集按照7:3的比例随机划分。

3.根据权利要求1所述的基于轻量化YOLOv5网络模型的SAR船舶图像目标识别方法，其特征在于：S1还包括如下步骤：使用图片标注工具LabelImg为选择的每个训练样本标注标签，并将标注锚框的位置信息和类别信息保存为文本文件。

4.根据权利要求1所述的基于轻量化YOLOv5网络模型的SAR船舶图像目标识别方法，其特征在...

【技术特征摘要】

1.基于轻量化yolov5网络模型的sar船舶图像目标识别方法，其特征在于，包含如下步骤：

2.根据权利要求1所述的基于轻量化yolov5网络模型的sar船舶图像目标识别方法，其特征在于：s1中，训练集和验证集按照7:3的比例随机划分。

3.根据权利要求1所述的基于轻量化yolov5网络模型的...

【专利技术属性】
技术研发人员：王琳霖，张鑫，王传云，李中一，邵景，张彤，高骞，刘宝明，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：