[發明專利]一種基于MFF-MA模塊的SAR圖像艦船目標識別方法

在審

• 申請號: 202110684654.0
• 申請日: 2021-06-21
• 公開（公告）號: CN113435288A
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 周高雨;張弓;方政
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于MFF-MA模塊的SAR圖像艦船目標識別方法，其特征在于，包括以下步驟：

(1)將擴充、整理好后的SAR圖像送入改進的VGG16模型；所述改進的VGG16模型為嵌入多層次特征融合模塊的VGG16作為骨干網絡；

(2)將特征圖U∈R^C×H×W送入擠壓-激勵模塊，通過損失函數來學習特征權重，得到加權后的特征圖A；

(3)將經過(2)獲得的特征圖A∈R^C×H×W送入兩個并行的注意力子模塊；即通過位置注意力模塊增強特征的表示能力，同時通過通道注意力模塊增強特征圖的判別能力；

(4)將步驟(3)中兩個注意力子模塊得到的輸出特征圖經過一個卷積層后進行逐元素相加的特征融合，再由一個全連接層生成最終分類結果。

2.根據權利要求1所述的基于MFF-MA模塊的SAR圖像艦船目標識別方法，其特征在于，步驟(1)所述改進的VGG16模型為將原始VGG16網絡中的輸入層由3通道改為單通道；在模型中將最后一個卷積單元去除，并將原有的三個全連接層替換為一個全連接層；通過MFF模塊得到輸出特征圖U，即將第四個卷積塊的最后一層卷積層進行反卷積，再與第三個卷積塊的最后一層卷積層得到的特征圖進行融合。

3.根據權利要求1所述的基于MFF-MA模塊的SAR圖像艦船目標識別方法，其特征在于，所述步驟(2)實現過程如下：

在擠壓部分，進行全局平均池化操作得到特征圖的全局信息：

進入激勵部分，通過兩個全連接層和非線性層來學習C個特征圖的權重P，即：

p＝F_ex(z,W)＝σ(g(z,W))＝σ(W₂δ(W₁z))

對特征圖和對應的權重進行“逐通道乘法”操作，得到最終的輸出：

a_c＝F_scale(u_c,p_c)＝p_cu_c

其中，A＝[a₁,a₂,...,a_c]為加權后得到的特征圖。

4.根據權利要求1所述的基于MFF-MA模塊的SAR圖像艦船目標識別方法，其特征在于，步驟(3)所述的通過位置注意力模塊增強特征的表示能力實現過程如下：

通過卷積層得到三個新的特征圖B、C和D，將特征圖reshape至R^C×N，其中N＝H×W是像素數；在B和C的轉置上應用一次矩陣乘法獲得位置注意力圖S∈R^N×N：

其中，s_ji表示第i個位置對第j個位置的影響，兩個位置的特征越相似對這個值的影響越大；對D和S的轉置應用一次矩陣乘法，reshape至R^C×H×W，乘上一個權重系數α，與原始特征A進行一個逐元素的相加操作得到最終輸出E∈R^C×H×W，即：

5.根據權利要求1所述的基于MFF-MA模塊的SAR圖像艦船目標識別方法，其特征在于，步驟(3)所述的通過通道注意力模塊增強特征圖的判別能力實現過程如下：

對特征圖A進行reshape操作至R^C×N，在A與A的轉置上應用一次矩陣乘法獲得通道注意力圖X∈R^N×N：

其中，x_ji表示第i個通道對第j個通道的影響；對X的轉置和A進行一次矩陣乘法，reshape至R^C×H×W；乘上權重系數β，與原始特征A進行一個逐元素的相加操作得到最終輸出F∈R^C×H×W：