基于双任务和双重注意力的舰船提取方法及系统技术方案

本发明专利技术涉及遥感影像舰船提取技术领域，特别涉及一种基于双任务和双重注意力的舰船提取方法及系统，获取全球范围内典型港口区域的遥感影像数据，完成人工标注，得到包含舰船像素级二值标签和舰船轮廓标签的舰船语义分割数据集；构建联合双任务和双重注意力的遥感影像舰船提取模型，该模型包含双任务网络模块，双任务网络模块包含主任务分支和辅任务分支；主任务分支包含编码残差模块和双重注意力模块，输入数据为遥感影像特征图，输出数据为舰船像素级二值标签；辅任务分支输入数据来自主任务分支的编码残差模块，输出数据为舰船轮廓标签。本发明专利技术通过自制的舰船语义分割数据集提升模型训练效果，遥感影像舰船提取模型能够高效准确地将舰船区域分割出来。

【技术实现步骤摘要】

本专利技术涉及遥感影像舰船提取，特别涉及一种基于双任务和双重注意力的舰船提取方法及系统。

技术介绍

1、近年来，随着卫星遥感成像技术的快速发展，遥感影像中的舰船提取成为遥感目标识别的重要应用方向。全卷积网络(fully convolutional networks,fcn)作为首个实现端到端像素级预测的网络，通过将传统卷积神经网络(convolutional neural networks,cnn)中的全连接层替换为全卷积结构，并利用反卷积进行特征上采样。在此基础上，liu等人提出了一种利用空间残差截断模块获取并融合多尺度上下文特征的方法。潘旭冉等人则提出了将fcn中的卷积层替换为多尺度卷积核的inception模块的改进方法。然而，这些方法主要侧重于提取舰船的浅层特征，对深层特征的敏感度较低。

2、数据集方面，当前用于舰船检测识别的数据集有由liu等于2016年发布的面向光学遥感图像细粒度船舶检测数据集(hrsc2016数据集)、西北工业大学程塨等于2019年发布的面向光学遥感图像通用目标检测的大规模水平框数据集(dior数据集)、武汉大学x本文档来自技高网...

【技术保护点】

1.一种基于双任务和双重注意力的舰船提取方法，其特征在于，包含：

2.根据权利要求1所述的基于双任务和双重注意力的舰船提取方法，其特征在于，对遥感影像数据进行切片处理，将影像统一裁切成256×256pixel大小；在切片过程中设计10％的重叠度；舰船语义分割数据集包含离岸舰船、靠岸舰船和陆地上舰船；舰船语义分割数据集包含不同长宽比舰船。

3.根据权利要求1所述的基于双任务和双重注意力的舰船提取方法，其特征在于，所述编码残差模块包含一个7×7卷积、全局最大池化层、relu激活函数和四个编码层，将遥感影像特征图送入7×7卷积进行卷积操作，并进行全局最大池化、激活操作；...

【技术特征摘要】

1.一种基于双任务和双重注意力的舰船提取方法，其特征在于，包含：

2.根据权利要求1所述的基于双任务和双重注意力的舰船提取方法，其特征在于，对遥感影像数据进行切片处理，将影像统一裁切成256×256pixel大小；在切片过程中设计10％的重叠度；舰船语义分割数据集包含离岸舰船、靠岸舰船和陆地上舰船；舰船语义分割数据集包含不同长宽比舰船。

3.根据权利要求1所述的基于双任务和双重注意力的舰船提取方法，其特征在于，所述编码残差模块包含一个7×7卷积、全局最大池化层、relu激活函数和四个编码层，将遥感影像特征图送入7×7卷积进行卷积操作，并进行全局最大池化、激活操作；再将输出特征图输入四个编码层，进行四次下采样操作。

4.根据权利要求3所述的基于双任务和双重注意力的舰船提取方法，其特征在于，所述双重注意力模块包含多头自注意力模块和通道注意力模块。

5.根据权利要求4所述的基于双任务和双重注意力的舰船提取方法，其特征在于，所述主任务分支还包含四个解码层、1个4×4转置卷积、1个3×3卷积和sigmoid激活函数，每个解码层使用跳跃连接将对应编码层的输出作为其输入，且在跳跃连接支路上引入双重注意力模块；编码残差模块...

【专利技术属性】
技术研发人员：金飞，邹毓杰，芮杰，王淑香，林雨准，左溪冰，刘潇，程传祥，黄子恒，
申请(专利权)人：中国人民解放军网络空间部队信息工程大学，
类型：发明
国别省市：