申请/专利权人：福建师范大学

申请日：2023-09-21

公开（公告）日：2024-01-23

公开（公告）号：CN117437536A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/25;G06V10/40;G06V10/82;G06N3/045;G06N3/0464;G06N3/084;G06N3/096;G01S13/90

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.09#实质审查的生效;2024.01.23#公开

摘要：本发明公开一种基于掩码生成融合蒸馏的SAR船舰目标检测方法，主要解决现有技术难以解决复杂背景下船舰目标进行精确检测的问题，属于雷达遥感图像应用技术领域。实现步骤为：1.设计适用于SAR船舰小目标的轻量网络结构，利用Ghost卷积和注意力机制以增强特征提取能力。2.对教师模型和学生分别进行训练，得到预训练权重。3.应用掩码生成融合蒸馏策略来弥补轻量级网络的性能差异。4.利用训练好的检测模型对船舰进行检测。本发明能够有效提高对复杂背景下的小目标船舰检测精度，可以更好地部署在轻量级设备上进行实时检测，具有良好的可靠性和稳定性。

主权项：1.一种基于掩码生成融合蒸馏的SAR船舰目标检测方法，其特征在于：其具体步骤如下：S1、构造Ghost-YOLOv5s轻量级模型；使用YOLOv5s检测器作为参考检测框架；将主干网络的CSP模块替换成Ghost模块，分别提取丰富特征和冗余特征以提高模型效率，降低网络参数量的同时能够提升模型检测速度；加入SE模块对特征的有效信息进行强调；S2、将SAR图像切片输入检测网络，使用基于S1所述的Ghost-YOLOv5s轻量级网络模型和yolov5l网络模型进行特征提取，得到预训练的教师和学生模型权重文件；权重文件包含了模型的每一层中的权重和偏置参数；S3、使用掩码生成融合蒸馏策略，将检测器YOLOv5l定义为教师模型，而学生网络采用Ghost-YOLOv5s轻量级网络；给定输入图像Images，基于S2得到的教师模型和学生模型的权重文件进行基于掩码生成融合蒸馏得到蒸馏权重文件；S4、利用S3得到的蒸馏权重文件输入目标检测器对待检测的图像进行SAR船舰目标检测得到检测结果。

全文数据：

权利要求：

百度查询： 福建师范大学 一种基于掩码生成融合蒸馏的SAR船舰目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD