[發明專利]一種無源干擾場景下的SAR圖像艦船目標檢測方法及系統

有效

• 申請號: 202110776143.1
• 申請日: 2021-07-08
• 公開（公告）號: CN113469088B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 張向榮;張天揚;何春艷;唐旭;陳璞花;羅雙才;劉筱
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/25;G06V10/774;G06V10/80;G06V10/82;G06N3/045;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

1.一種無源干擾場景下的SAR圖像艦船目標檢測方法，其特征在于，包括以下步驟：

S1、構建無源干擾條件下的SAR圖像艦船目標檢測數據集，將無源干擾條件下的SAR圖像艦船目標檢測數據集劃分為訓練樣本和測試樣本；

S2、構建注意力增強的Faster?R-CNN檢測模型；

S3、對步驟S2構建的注意力增強的Faster?R-CNN檢測模型的感興趣區域分類任務、感興趣區域位置回歸任務、目標分類任務、目標位置回歸任務和目標區域顯著性檢測任務的整體損失函數L進行構建，具體為：

根據感興趣區域分類任務的損失函數L_{rpn_cls}，感興趣區域位置回歸任務的損失函數L_{rpn_reg}，目標分類任務的損失函數L_{rcnn_cls}，目標位置回歸任務的損失函數L_{rcnn_reg}和目標區域顯著性檢測任務的損失函數L_att確定注意力增強的Faster?R-CNN檢測模型的整體損失函數L，整體損失函數L為：

L＝L_{rpn_cls}+L_{rpn_reg}+L_{rcnn_cls}+L_{rcnn_reg}+L_att

感興趣區域分類任務的損失函數L_{rpn_cls}為：

其中，為第i個錨框對應的真實標簽，為第i個錨框屬于前景的概率；

感興趣區域位置回歸任務的損失函數L_{rpn_reg}為：

L_{rpn_reg}＝Smooth_L1(x)，

其中，Smooth_L1(x)表示平滑L1平方損失函數；

目標分類任務的損失函數L_{rcnn_cls}為：

其中，p_i(c)第i個錨框對應的真實標簽，第i個錨框屬于類別c的分類概率；

目標位置回歸任務的損失函數L_{rcnn_reg}為：

L_{rcnn_reg}＝Smooth_L1(x)，

其中，Smooth_L1(x)表示平滑L1平方損失函數；

目標區域顯著性檢測任務的損失函數L_att為：

S4、利用步驟S1劃分的訓練樣本對步驟S3構建整體損失函數L后的注意力增強的FasterR-CNN檢測模型進行訓練；

S5、將步驟S1劃分的測試樣本輸入步驟S4訓練后包含權重參數的注意力增強的FasterR-CNN檢測模型中，預測輸出測試樣本中目標邊界框位置，目標類別及目標的置信度分數，完成SAR圖像艦船目標檢測。

2.根據權利要求1所述的方法，其特征在于，步驟S1中，將無源干擾條件下的SAR圖像艦船目標檢測數據集中的75％作為訓練樣本，剩余的25％作為測試樣本。