申请/专利权人：中国船舶重工集团公司第七0九研究所

申请日：2020-12-01

公开（公告）日：2024-03-19

公开（公告）号：CN112580439B

主分类号：G06V20/13

分类号：G06V20/13;G06V10/774;G06V10/26;G06V10/764;G06V10/82;G06N3/086;G06N3/0464;G06V10/25

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.04.16#实质审查的生效;2021.03.30#公开

摘要：本发明公开了一种小样本条件下的大幅面遥感图像舰船目标检测方法及系统，其通过在YOLOv5网络的Bottleneck模块中引入SENet注意力机制模块，并新增一个检测层，形成目标检测网络；构建预训练数据集对目标检测网络进行预训练，再利用预处理后的舰船目标标注数据集对目标检测网络进行迁移学习，得到测试模型；对待识别的大幅面遥感图像进行迭代切割得到小图像，用测试模型分别进行目标检测和目标坐标转换，输出目标检测结果。该方法可以利用小批量图像目标样本完成网络模型的有效训练和大幅面图像快速检测，并保持舰船目标检测的准确性和鲁棒性。

主权项：1.一种小样本条件下的大幅面遥感图像舰船目标检测方法，其特征在于，包括如下步骤：在YOLOv5网络的Bottleneck模块中引入SENet注意力机制模块，并增加一个检测层，形成目标检测网络；构建预训练数据集对目标检测网络进行预训练，再利用预处理后的舰船目标标注数据集对目标检测网络进行迁移学习，得到测试模型；对待识别的大幅面遥感图像进行迭代切割得到小图像，用测试模型分别进行目标检测和目标坐标转换，输出目标检测结果；所述在YOLOv5网络的Bottleneck模块中引入SENet注意力机制模块，包括：在YOLOv5网络的每一个Bottleneck模块中引入SENet模块，SENet模块主要分为三个部分：squeeze操作，excitation操作，reweight操作；squeeze操作采用的是全局平均池化；excitation操作采用的串联两个全连接神经网络FC，其中激活函数分别采用Relu函数和Sigmoid函数；reweight操作采用的是Scale操作；所述在YOLOv5网络中新增一个检测层，包括：在YOLOv5网络中的Bottleneck模块和SPP模块之间增加一个BottleneckCSP模块，所述BottleneckCSP模块依次网络连接Upsampling、concat、Conv、BottleneckCSP、Conv2d模块，同时该BottleneckCSP模块的特征图与下一检测层中最后一个BottleneckCSP模块输出的特征图进行特征融合；运用特征金字塔算法将低层特征高分辨率的低语义特征和高层特征的高语义信息进行结合，将深层信息上采样，与浅层信息逐元素地相加，融合不同层的特征，得到改进后的YOLOv5网络，即目标检测网络；输入目标检测网络中的图像尺寸为640*640*3，经过卷积池化、张量拼接过程，最终可以得到四种不同尺寸18*10*10，18*20*20，18*40*40，18*80*80的特征图。

全文数据：

权利要求：

百度查询： 中国船舶重工集团公司第七0九研究所 小样本条件下的大幅面遥感图像舰船目标检测方法及系统

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