[發明專利]一種利用卷積神經網絡進行船舶檢測的訓練方法及其船舶檢測方法

在審

• 申請號: 201811500340.5
• 申請日: 2018-12-07
• 公開（公告）號: CN109583412A
• 公開（公告）日: 2019-04-05
• 發明（設計）人: 王超;王原原;張紅;董穎博;魏思思
• 申請（專利權）人: 中國科學院遙感與數字地球研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京金信知識產權代理有限公司 11225
• 代理人: 喻嶸;郭迎俠

1.一種利用卷積神經網絡進行船舶檢測的訓練方法，其特征在于，包括：

將包括船舶信息的SAR圖像數據制作成預定義規格的訓練圖像信息；

利用所述訓練圖像信息訓練用于船舶檢測的卷積神經網絡獲得所述卷積神經網絡的類間關系及所述訓練圖像信息中的難例；

利用焦點損失函數調整所述卷積神經網絡的所述類間關系和所述難例的權重，以達到預設精度；

其中，所述卷積神經網絡的結構包括：基礎處理模塊、分類處理模塊和回歸處理模塊；所述基礎處理模塊，至少包括下采樣子模塊和上采樣子模塊，用于根據所述訓練圖像信息獲得多個第一特征圖像信息，并將所述第一特征圖像信息分別輸送給所述分類處理模塊和回歸處理模塊；所述分類處理模塊用于根據所述第一特征圖像信息獲得船舶分類信息；所述回歸處理模塊用于根據所述第一特征圖像信息提取船舶定位回歸的圖像信息；所述第一特征圖像信息，包括維數相同的多尺度的且用于分類和定位回歸的圖像信息。

2.根據權利要求1所述的訓練方法，其特征在于，所述基礎處理模塊，至少包括特征金字塔網絡。

3.根據權利要求2所述的訓練方法，其特征在于，所述特征金字塔網絡，至少包括：下采樣子模塊、上采樣子模塊和特征圖像信息處理子模塊；

所述下采樣子模塊，包括第一下采樣卷積塊、第二下采樣卷積塊、第三下采樣卷積塊、第四下采樣卷積塊和第五下采樣卷積塊；

所述第一下采樣卷積塊，用于根據所述訓練圖像信息生成第一下采樣特征圖像信息，所述第一下采樣特征圖像信息尺寸是所述訓練圖像信息尺寸的一半；

所述第二下采樣卷積塊，用于根據所述第一下采樣特征圖像信息生成第二下采樣特征圖像信息，所述第二下采樣特征圖像信息尺寸是所述第一下采樣特征圖像信息尺寸的一半；

所述第三下采樣卷積塊，用于根據所述第二下采樣特征圖像信息生成第三下采樣特征圖像信息，所述第三下采樣特征圖像信息尺寸是所述第二下采樣特征圖像信息尺寸的一半；

所述第四下采樣卷積塊，用于根據所述第三下采樣特征圖像信息生成第四下采樣特征圖像信息，所述第四下采樣特征圖像信息尺寸是所述第三下采樣特征圖像信息尺寸的一半；

所述第五下采樣卷積塊，用于根據所述第四下采樣特征圖像信息生成第五下采樣特征圖像信息；

所述上采樣子模塊，包括第四處理單元、第三處理單元、第二處理單元和第一處理單元；

所述第四處理單元，用于將所述第五下采樣特征圖像信息進行預設第一處理生成第四上采樣特征圖像信息；

所述第三處理單元，用于將所述第四上采樣特征圖像信息尺寸擴大一倍后與第三信息融合，并生成第三上采樣特征圖像信息，所述第三信息是對所述第四下采樣特征圖像信息進行預設第一處理生成的信息；

所述第二處理單元，用于將所述第三上采樣特征圖像信息尺寸擴大一倍后與第二信息融合，并生成第二上采樣特征圖像信息，所述第二信息是對所述第三下采樣特征圖像信息進行預設第一處理生成的信息；

所述第一處理單元，用于將所述第二上采樣特征圖像信息尺寸擴大一倍后與第一信息融合，并生成第一上采樣特征圖像信息，所述第一信息是對所述第二下采樣特征圖像信息進行預設第一處理生成的信息；

所述特征圖像信息處理子模塊，用于分別根據第一上采樣特征圖像信息、第二上采樣特征圖像信息、第三上采樣特征圖像信息、第四上采樣特征圖像信息進行預設第二處理，并生成每個上采樣特征圖像信息所對應的所述第一特征圖像信息。

4.根據權利要求3所述的訓練方法，其特征在于，所述第一下采樣卷積塊和所述第二下采樣卷積塊，均由2個卷積層、2個修正的線性單元和1個池化層堆疊而成。

5.根據權利要求3所述的訓練方法，其特征在于，所述第三下采樣卷積塊和所述第四下采樣卷積塊和所述第五下采樣卷積塊，均由3個卷積層、3個修正的線性單元和1個池化層堆疊而成。