[發明專利]基于全卷積網絡的單階段旋轉艦船檢測方法

在審

• 申請號: 202210198503.9
• 申請日: 2022-03-02
• 公開（公告）號: CN114565824A
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 楊淑媛;李源釗;馮志璽;王敏;高欣怡;譚豪;柯希鵬;李奕彤;翟蕾;李宇星;焦李成
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06V20/00
• 分類號: G06V20/00;G06V10/22;G06V10/46;G06V10/764;G06V10/82;G06V10/774;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 陳宏社;王品華

本發明提出了一種基于全卷積網絡的單階段旋轉艦船檢測方法，實現步驟為：獲取訓練樣本集和測試樣本集；構建單階段旋轉艦船目標檢測模型；對單階段旋轉艦船目標檢測模型進行迭代訓練；通過訓練好的單階段旋轉艦船目標檢測模型對所有目標的邊界框位置和類別置信度進行檢測。本發明基于對水平框檢測的全卷積單階段目標檢測網絡模型，在原有網絡基礎上加入角度分支并優化網絡結構及損失函數，通過網絡中多層全卷積層卷積得到的特征圖直接逐像素點無錨框的生成預測結果，實現了對旋轉艦船目標的快速檢測，在保證旋轉艦船目標檢測檢測精度的前提下提高了檢測效率，可用于海上監測、海防預警、海洋維權等領域。

技術領域

本發明屬于圖像處理技術領域，涉及一種遙感圖像艦船檢測方法，具體涉及一種基于深度學習遙感圖像旋轉艦船目標檢測方法，可用于海上監測、海防預警、海洋維權等領域。

背景技術

遙感技術的發展對于人們認識和探索世界有著巨大的幫助，它具有許多鮮明的技術特點，如數據范圍廣、獲取周期短、數據綜合性強等，近年來，“高分”系列衛星提供了海量具有高分辨率的可見光遙感圖像數據，為我國農業、海洋、氣象、軍事等多個領域的發展帶來了機遇與挑戰，其中遙感旋轉目標檢測為遙感數據實際運用提供了一種新的思路。遙感旋轉目標檢測是指目標的邊界框除了包含水平邊界框的中心點位置以及長寬，同時加入了偏移角度標注。遙感圖像中旋轉目標檢測相比于水平邊界框檢測更具挑戰，由于拍攝角度差異，遙感航拍圖像中的目標物體不同于自然圖像中的物體，其排布方向任意而不垂直于地面，且尺寸較小、排列密集，如飛機、艦船、集裝箱等遙感目標。這時水平邊界框擬合目標的形狀效果不理想，使用旋轉邊界框可以更好地標注物體。尤其是對于海上艦船目標，由于艦船長寬比的差異性，旋轉邊界框可以更準確的框選出艦船目標，從而能夠進一步精確識別艦船目標類別和判斷艦船前進方向；同時對于港口場景，旋轉邊界框相比水平邊界框對于靠岸密集排列的艦船目標有著更好的識別準確率與召回率。

相較于傳統目標檢測方法，基于深度學習方法具有精度高、準確率高、端到端訓練測試等特點，是目前主流的遙感目標檢測方法?；谏疃葘W習的目標檢測方法包括單階段的目標檢測方法與雙階段的目標檢測方法。其中，雙階段的目標檢測方法如Faster-RCNN在第一階段進行特征提取與篩選出一定數量的候選框，在第二階段對第一階段所產生的候選框進行精細化回歸與篩選，最后得到檢測結果，雙階段模型檢測精度較高，但同時一定程度上損失了檢測的速度；單階段的目標檢測方法如YOLOv3減去了第二階段對候選框進行精細化回歸的步驟，其直接通過特征點對目標進行回歸與分類，這使得檢測模型在檢測速度上有著巨大的提升，并且相較于雙階段模型更加輕量化，更方便實際部署與應用。同時，無錨框的檢測器設計是一個新的發展趨勢，如FCOS是一種擺脫錨框機制的思路，將目標檢測任務轉換為關鍵點的估計，有效節約運算內存消耗，并對小目標的檢測效果有一定的提升。

為了更精確的檢測旋轉艦船目標，研究人員往往在從特征提取與損失函數兩個角度出發，例如申請公布號為CN112395969A，名稱為“一種基于特征金字塔的遙感圖像旋轉艦船檢測方法”的專利申請，公開了一種基于卷積神經網絡的雙階段旋轉目標檢測方法，該發明使用基于卷積神經網絡進行雙階段目標檢測，利用特征提取能力更強的卷積神經網絡來提取特征；采用特征金字塔來進行多尺度檢測；關鍵在于直接利用旋轉框檢測不同方向的艦船目標。該方法解決了了傳統方法特征提取能力不足和艦船多方向、大小不同、分布密集等特殊性問題，但該方法使用了旋轉角度的錨框設計，每一個特征點包含84個錨框，這一定程度上提高了檢測精度，卻導致檢測速度有一定損失。

發明內容

本發明的目的在于克服上述現有技術存在的不足，提出了一種基于全卷積網絡的單階段旋轉艦船檢測方法，用于解決現有技術中存在的遙感旋轉框檢測準確率低和效率低的技術問題。

為實現上述目的，本發明采取的技術方案包括如下步驟：

(1)獲取訓練樣本集和測試樣本集：