申请/专利权人：南京理工大学

申请日：2023-03-30

公开（公告）日：2024-03-19

公开（公告）号：CN116343045B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/82;G06N3/045;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.07.14#实质审查的生效;2023.06.27#公开

摘要：本发明公开了一种基于YOLOv5的轻量化SAR图像舰船目标检测方法，步骤如下：获取SAR图像数据集，通过仿真成像得到SAR图像舰船目标仿真数据集以及公共SAR船舶探测数据集，对数据集预处理之后划分为训练样本集和测试样本集；建立改进轻量化YOLOv5模型；将训练数据集输入改进轻量化YOLOv5模型中进行训练，得到训练好的改进轻量化YOLOv5模型；将测试数据集输入到训练好的改进轻量化YOLOv5模型，得到检测识别结果。本发明提出的改进轻量化YOLOv5模型可以更为准确地识别出SAR图像中的舰船，大幅降低了模型大小以及测试时间，显著提高了检测精度。

主权项：1.一种基于YOLOv5的轻量化SAR图像舰船目标检测方法，其特征在于，包括如下步骤：步骤1、获取SAR图像数据集：通过仿真成像得到SAR图像舰船目标仿真数据集以及公共SAR船舶探测数据集，对SAR图像进行预处理并划分为训练数据集和测试数据集；步骤2、建立改进轻量化YOLOv5模型，即把YOLOv5的主干网络替换为RepVGG网络结构，并联合表征增强模块和特征注意模块对其进行改进，表征增强模块基于非对称卷积进行改进，特征注意模块基于SE注意力机制构成，将激活函数替换成SiLU激活函数；建立基于多模块融合的多支RepVGG网络的轻量化YOLOv5模型，即把YOLOv5的主干网络替换为RepVGG网络结构，在RepVGG的训练推理双阶段轻量基础上，训练阶段新增一条新残差分支，融合基于非对称卷积的表征增强模块、基于SE通道注意力的特征注意模块以及SiLU激活函数；通过残差方式混合常规卷积与非对称卷积，实现基于非对称卷积的表征增强模块；非对称卷积是将n×n的卷积核转变成n×n、1×n和n×1三个并行卷积核；并将1×n和n×1通过n×n卷积核的中心展开；训练后将n×n卷积核直接与1×n和n×1卷积核融合，并在1×n和n×1卷积核之间添加非线性激活函数；在每一层常规卷积和非对称卷积中加入SE通道注意力，构建基于通道注意力的特征注意模块；步骤3、将训练数据集输入改进轻量化YOLOv5模型中进行训练，得到训练好的改进轻量化YOLOv5模型；步骤4、将测试数据集输入到训练好的改进轻量化YOLOv5模型，得到检测识别结果。

全文数据：

权利要求：

百度查询： 南京理工大学 基于YOLO v5的轻量化SAR图像舰船目标检测方法

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