[發(fā)明專利]一種具有旋轉(zhuǎn)不變性的艦船目標(biāo)精細(xì)化檢測方法

在審

• 申請?zhí)枺?/td>: 202110593236.0
• 申請日: 2021-05-28
• 公開（公告）號: CN113516053A
• 公開（公告）日: 2021-10-19
• 發(fā)明（設(shè)計）人: 呼延烺;周詮;李琪;錢濤;魏佳圓;劉娟妮;張怡
• 申請（專利權(quán)）人: 西安空間無線電技術(shù)研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 臧春喜

1.一種具有旋轉(zhuǎn)不變性的艦船目標(biāo)精細(xì)化檢測方法，其特征在于，包括：

步驟1：采用三點(diǎn)式標(biāo)注法，對樣本遙感圖像進(jìn)行標(biāo)注，得到樣本遙感圖像中的目標(biāo)檢測框；

步驟2：根據(jù)標(biāo)注得到的目標(biāo)檢測框，計算得到樣本遙感圖像中的目標(biāo)的位置信息、類別信息和置信度；

步驟3：構(gòu)建得到神經(jīng)網(wǎng)絡(luò)模型；將樣本遙感圖像輸入至神經(jīng)網(wǎng)絡(luò)模型，通過神經(jīng)網(wǎng)絡(luò)模型對樣本遙感圖像進(jìn)行特征提取和識別，輸出目標(biāo)的位置信息、類別信息和置信度；

步驟4：根據(jù)步驟2計算得到的目標(biāo)的位置信息、類別信息和置信度，以及步驟3由神經(jīng)網(wǎng)絡(luò)模型輸出的目標(biāo)的位置信息、類別信息和置信度，通過梯度下降算法對神經(jīng)網(wǎng)絡(luò)模型中的參數(shù)進(jìn)行更新；

步驟5：重復(fù)步驟4的操作過程，對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行多次訓(xùn)練后，得到目標(biāo)精細(xì)化檢測模型；

步驟6：將待識別遙感圖像作為目標(biāo)精細(xì)化檢測模型的輸入，通過所述目標(biāo)精細(xì)化檢測模型對待識別遙感圖像進(jìn)行特征提取和識別，輸出待識別遙感圖像中的目標(biāo)的位置信息、類別信息和置信度。

2.根據(jù)權(quán)利要求1所述的具有旋轉(zhuǎn)不變性的艦船目標(biāo)精細(xì)化檢測方法，其特征在于，采用三點(diǎn)式標(biāo)注法，對樣本遙感圖像進(jìn)行標(biāo)注，得到樣本遙感圖像中的目標(biāo)檢測框，包括：

子步驟11，確定樣本遙感圖像中的樣本目標(biāo)；

子步驟12，標(biāo)注樣本目標(biāo)所在區(qū)域的三個點(diǎn)：A點(diǎn)、B點(diǎn)和C點(diǎn)；其中，A點(diǎn)為樣本目標(biāo)所在區(qū)域的左上角，B點(diǎn)為樣本目標(biāo)所在區(qū)域的右上角，C點(diǎn)為樣本目標(biāo)所在區(qū)域的左下角與右下角連線的中心點(diǎn)；

子步驟13，根據(jù)A點(diǎn)、B點(diǎn)和C點(diǎn)，確定三角形標(biāo)注區(qū)域，得到樣本遙感圖像中的目標(biāo)檢測框；其中，三角形標(biāo)注區(qū)域覆蓋樣本目標(biāo)。

3.根據(jù)權(quán)利要求1所述的具有旋轉(zhuǎn)不變性的艦船目標(biāo)精細(xì)化檢測方法，其特征在于，根據(jù)步驟2計算得到的目標(biāo)的位置信息、類別信息和置信度，以及步驟3由神經(jīng)網(wǎng)絡(luò)模型輸出的目標(biāo)的位置信息、類別信息和置信度，通過梯度下降算法對神經(jīng)網(wǎng)絡(luò)模型中的參數(shù)進(jìn)行更新，包括：

子步驟41：從樣本遙感圖像數(shù)據(jù)集中隨機(jī)選取一幅樣本遙感圖像P_i；

子步驟42：通過步驟1～2，計算得到樣本遙感圖像P_i中的目標(biāo)的位置信息、類別信息和置信度；

子步驟43：將樣本遙感圖像P_i作為步驟3構(gòu)建得到的神經(jīng)網(wǎng)絡(luò)模型的輸入，通過神經(jīng)網(wǎng)絡(luò)模型輸出得到樣本遙感圖像P_i中的目標(biāo)的位置信息、類別信息和置信度；

子步驟44：根據(jù)子步驟42計算得到的目標(biāo)的位置信息、類別信息和置信度，以及子步驟43由神經(jīng)網(wǎng)絡(luò)模型輸出的目標(biāo)的位置信息、類別信息和置信度，計算得到損失函數(shù)；其中，損失函數(shù)包括：坐標(biāo)位置的損失，置信度的損失和類別的損失；

子步驟45：通過梯度下降算法對神經(jīng)網(wǎng)絡(luò)模型中的參數(shù)進(jìn)行更新。

4.根據(jù)權(quán)利要求3所述的具有旋轉(zhuǎn)不變性的艦船目標(biāo)精細(xì)化檢測方法，其特征在于，重復(fù)步驟4的操作過程，對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行多次訓(xùn)練后，得到目標(biāo)精細(xì)化檢測模型，包括：

重復(fù)子步驟41～45，對整個神經(jīng)網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練，直至訓(xùn)練次數(shù)達(dá)到預(yù)先設(shè)定的次數(shù)閾值或者損失函數(shù)對應(yīng)的損失值小于預(yù)先設(shè)定的損失閾值，得到目標(biāo)精細(xì)化檢測模型。