[發(fā)明專利]一種基于深度學習的軍船、民船自動識別方法

在審

• 申請?zhí)枺?/td>: 201810295054.3
• 申請日: 2018-04-04
• 公開（公告）號: CN108614996A
• 公開（公告）日: 2018-10-02
• 發(fā)明（設(shè)計）人: 劉俊;孟偉秀;黃亮;潘浩;谷雨
• 申請（專利權(quán)）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 浙江永鼎律師事務所 33233
• 代理人: 雷仕榮

1.一種基于深度學習的軍船、民船識別方法，其特征在于，包括以下步驟：

步驟(1)：通過基于稠密全卷積神經(jīng)網(wǎng)絡(luò)的區(qū)域采樣算法(Dense connected RegionProposal Network,DRPN)生成盡可能少的、高質(zhì)量的采樣區(qū)域；

步驟(2)：通過基于稠密全卷積神經(jīng)網(wǎng)絡(luò)的快速區(qū)域分類算法(Dense connected FastClassification Network,DFCN)對DPRN生成的采樣區(qū)域分類、定位；

步驟(3)：通過重采樣算法對誤分類的樣本進行二次分類定位；

步驟(4)：為了使DRPN和DFCN共享卷積層特征，設(shè)計了一種算法模型訓練方法；

其中，步驟(1)重新設(shè)計采樣算法模型，具體步驟為：

步驟(1-1)，采樣算法模型名為DRPN，DRPN算法輸入為任意尺寸的包含軍船、民船的紅外或者可見光圖片，輸出為對應于每一個類的多個采樣區(qū)域；算法模型是一個自下而上的網(wǎng)狀結(jié)構(gòu)，算法模型通過多個稠密卷積塊(Dense Block)堆疊而成；算法模型每一層是一個4維矩陣，用元組(n,c,h,w)表示，n表示訓練時批處理圖片的數(shù)量，c表示每一層的通道數(shù)，h表示特征圖的高度(在輸入端表現(xiàn)為輸入圖片的高)，w表示特征圖的寬度，其中4維矩陣通過卷積、池化、歸一化、線性激活函數(shù)(Rectified Linear Units,RELU)等操作不斷變換；在單一尺度訓練時，將(h,w)大小的輸入圖片統(tǒng)一調(diào)整大小至w＝600,h＝1000；

步驟(1-2)，輸入通道的特征圖片經(jīng)過稠密卷積網(wǎng)絡(luò)層變換后，生成了多個W×H大小的特征圖，對于大小為W×H的特征圖，將其按照像素點劃分為W×H個網(wǎng)格，對于網(wǎng)格的每一個像素點，在特征圖上分別取h個尺寸不一的錨點框，因此，對于一個W×H的特征圖我們將產(chǎn)生W×H×k個錨點框，這些采樣區(qū)域包含了大量的前景區(qū)域(包含目標)和背景區(qū)域(不包含目標)，在W×H×k個樣本中挑選最能代表樣本特征的錨點框；在訓練DRPN算法時，采用樣本抑制算法(Non Maximum Suppression,NMS)提煉錨點框，對于每一個錨點框，算法都輸出相對應的置信得分，置信得分反應了錨點框是前景區(qū)域還是背景區(qū)域的概率(正負樣本的概率)；同時，對于每一個錨點，算法預測了k個回歸器用于修正位置坐標，負樣本不參與回歸預測，DRPN算法在深層次的特征圖上表現(xiàn)為錨點框?qū)φ鎸嵞繕吮尘翱虻姆蔷€性回歸預測；

步驟(1-3)，為了共享稠密卷積網(wǎng)絡(luò)的計算量和存儲空間，同時做到端到端的訓練和測試，采用聯(lián)合代價函數(shù)訓練DRPN；對于每一個錨點框，稠密區(qū)域采樣算法需要輸出錨點框是正負樣本的概率，采用多分類的softmax代價函數(shù)，在DRPN算法中，softmax表現(xiàn)為二分類的代價函數(shù)(即退化為邏輯回歸代價函數(shù))，對于n個錨點框，算法輸出2×n個置信得分，如下所示softmaxloss代價函數(shù)，m表示批處理樣本的大小，k表示softmax輸出單元的數(shù)量，這里二分類k＝2，如下所示，中p_i表示預測的錨點框置信得分，如果一個錨點框為負樣本，為0，如果一個錨點框為正樣本，為1，用于控制坐標回歸代價函數(shù)的執(zhí)行：如果錨點框是背景區(qū)域則訓練時不進行坐標回歸(只有前景區(qū)域才有修正坐標的價值)，公式如下：

前景錨點框粗略的表示了前景區(qū)域在一張圖片中的坐標位置，算法對前景區(qū)域進行坐標回歸，如下所示：G表示真實背景框，P表示錨點框，函數(shù)F表示一個錨點框到真實背景框的映射函數(shù)。真實背景框G用元組(G_x,G_y,G_w,G_h)表示，其中(G_x,G_y)表示真實背景框中心點坐標，(G_w,G_h)表示真實背景框?qū)膶捄透撸唤柚谏疃葘W習高超的函數(shù)逼近能力，F(xiàn)不需要手工設(shè)置，它是通過深度學習算法多次訓練迭代的方式學習得到，本文中通過DRPN算法獲取，如下式所示：F_x(P)、F_y(P)、F_w(P)、F_h(P)需要算法學習得到，使用F_*(P)表示對應函數(shù)映射關(guān)系(*表示x,y,w,h)，在卷積神經(jīng)網(wǎng)絡(luò)中有下式，其中φ(P)表示算法中間層學習得到的特征圖矩陣，表示算法學習到的權(quán)重，公式如下：

G＝F(P)

G_x＝P_wF_x(P)+P_x

G_y＝P_hF_y(P)+P_y

G_w＝P_wexp(d_w(P))

G_h＝P_h exp(d_h(P))

w_*通過最小化代價函數(shù)獲得，λ為正規(guī)化參數(shù)，λ＝1000，t_*為待回歸的對象，公式如下：

t_x＝(G_x-P_x)/P_w

t_y＝(G_y-P_y)/P_h

t_w＝log(G_w/P_w)

t_h＝log(G_h/P_h)

步驟(1-4)，在分別設(shè)定了分類和區(qū)域采樣算法的代價函數(shù)后，設(shè)計代價函數(shù)聯(lián)合計算采樣區(qū)域的類別損失(LOSS)和位置損失，通過這種方式算法做到了端到端的訓練；如下式所示：算法設(shè)計了一個聯(lián)合代價函數(shù)，L_cls和L_reg分別表示分類和錨點框回歸的代價函數(shù)，其中N_cls表示一次訓練選取的錨點框數(shù)量(如256)或者N_reg表示選取錨點框的特征圖大小(如2400)，λ設(shè)置為10，公式如下：

在分別設(shè)定了分類和區(qū)域采樣算法的代價函數(shù)后，；采用的代價函數(shù)聯(lián)合計算了采樣區(qū)域的類別損失(LOSS)和位置損失，通過這種方式算法做到了端到端的訓練；L_cls和L_reg分別表示分類和錨點框回歸的代價函數(shù)，其中N_cls表示一次訓練選取的錨點框數(shù)量(如256)或者N_reg表示選取錨點框的特征圖大小(如2400)，λ設(shè)置為10，公式如下：