[發(fā)明專利]一種遙感圖像多方向艦船目標(biāo)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010803460.3
• 申請(qǐng)日: 2020-08-11
• 公開（公告）號(hào): CN112069910A
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計(jì)）人: 丁瑩;徐志京
• 申請(qǐng)（專利權(quán)）人: 上海海事大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04
• 代理公司: 上海互順專利代理事務(wù)所(普通合伙) 31332
• 代理人: 成秋麗

1.一種遙感圖像多方向艦船目標(biāo)檢測(cè)方法，其特征在于使用自適應(yīng)區(qū)域生成網(wǎng)絡(luò)來(lái)生成候選框，包括如下步驟：

S1、特征提取骨干網(wǎng)絡(luò)ResNet進(jìn)行特征提取，輸出特征圖；

S2、特征圖送入特征金字塔網(wǎng)絡(luò)進(jìn)行特征融合；

S3、自適應(yīng)區(qū)域生成網(wǎng)絡(luò)在特征金字塔輸出的特征圖上生成錨框，輸出與標(biāo)注框匹配度最高的一組k個(gè)錨框作為候選框輸出；

S4、旋轉(zhuǎn)感興趣區(qū)域?qū)R，微調(diào)候選框；

S5、旋轉(zhuǎn)非最大值抑制，輸出檢測(cè)結(jié)果；

步驟S3自適應(yīng)區(qū)域生成網(wǎng)絡(luò)生成錨框包括如下步驟：

位置預(yù)測(cè)網(wǎng)絡(luò)：

第一步，將(x,y,w,h,θ)映射到對(duì)應(yīng)不同尺寸的特征圖中，得到(x’,y’,w’,h’,θ’)；

第二步，根據(jù)數(shù)據(jù)集標(biāo)注的邊界框指導(dǎo)實(shí)驗(yàn)中二進(jìn)制標(biāo)簽的生成：將中心為(x,y),大小為σ×(w cosθ+h sinθ)×(w sinθ+h cosθ)的矩形區(qū)域定義為目標(biāo)中心區(qū)域，其中σ＜0.2時(shí)為目標(biāo)絕對(duì)中心區(qū)域，標(biāo)記為1；σ∈(0.2,0.5]時(shí)為目標(biāo)中心可能區(qū)域不進(jìn)行標(biāo)記；σ＞0.5為非目標(biāo)中心區(qū)域，標(biāo)記為0；

第三步，進(jìn)行網(wǎng)絡(luò)訓(xùn)練，經(jīng)過(guò)卷積層和sigmoid函數(shù)轉(zhuǎn)化，得出每個(gè)位置存在目標(biāo)中心的概率，輸出概率大于的中心點(diǎn)預(yù)測(cè)值(x₀,y₀)；

(x,y,w,h,θ)為數(shù)據(jù)集標(biāo)注的斜框邊界框，(x,y)為中心點(diǎn)坐標(biāo)，w為寬度，h為高度，θ為角度；σ是一個(gè)比例系數(shù)，范圍取(0,1)；(w cosθ+h sinθ)×(w sinθ+h cosθ)為斜框?qū)?yīng)的垂直框的寬度×高度；

在確定目標(biāo)的可能位置之后，形狀預(yù)測(cè)分支確定每個(gè)位置目標(biāo)的形狀：

第一步，對(duì)輸入特征圖進(jìn)行卷積得出形狀特征變量；

第二步，設(shè)錨框的比例為{1:7,1:5,1:3,1:2,1,2,3,5,7}，在目標(biāo)位置生成不同形狀的錨框；

第三步，計(jì)算生成錨框與標(biāo)注邊界框之間的IoU，輸出與標(biāo)注框匹配度最高的一組k個(gè)錨框作為候選框，k取[1000,2000]；

第三步，將(dw,dh,dθ)轉(zhuǎn)化為(w,h,θ)，輸出到下一階段進(jìn)一步調(diào)整，公式下所示:

w＝σ·s·e^dw,h＝σ·s·e^dh,θ＝σ·s·e^dh

公式中，(w,h,θ)是錨框形狀變量，(dw,dh,dθ)是標(biāo)準(zhǔn)化的形狀特征變量，s是步幅，σ是一個(gè)比例系數(shù)(實(shí)驗(yàn)中取8)；{1:7,1:5,1:3,1:2,1,2,3,5,7}是根據(jù)艦船的形狀特征設(shè)置的一組初始錨框長(zhǎng)寬比；

特征自適應(yīng)模塊N_T生成新的特征圖F1，N_T為3×3可變形卷積，公式如下；

y(p₀)＝∑w(p_n)·x(p₀+p_n+Δp_n)

公式中，x(p_n)特征圖F中第n個(gè)位置的特征，Δp_n為該位置對(duì)應(yīng)的錨形狀偏移量，w(p_n)為卷積核；

損失函數(shù)：

自適應(yīng)區(qū)域生成網(wǎng)絡(luò)引入了錨框位置預(yù)測(cè)損失L_loc和錨框形狀預(yù)測(cè)損失L_shape兩種附加損失，進(jìn)行共同優(yōu)化，損失函數(shù)如下所示:

L＝λ₁L_loc+λ₂L_shape+L_cls+L_reg

實(shí)驗(yàn)中取λ₁為1，λ₂取為0.1，其中位置預(yù)測(cè)損失函數(shù)L_loc為sigmoid_focal_loss：

α是平衡正樣本和負(fù)樣本的超參數(shù)，默認(rèn)值設(shè)置為0.25；γ是平衡易分樣本和難分樣本的超參數(shù)，默認(rèn)值設(shè)置為2.0；x_i,j表示樣本的分類預(yù)測(cè)值；y_i,0表示樣本的分類目標(biāo)值。

式中w為預(yù)測(cè)寬度，w_g為標(biāo)注寬度，h為預(yù)測(cè)高度，h_g為標(biāo)注高度，θ為預(yù)測(cè)角度，θ_g為標(biāo)注角度。