[发明专利]一种基于深度学习的SAR图像铁塔目标检测方法

权利要求书

1.一种基于深度学习的SAR图像铁塔目标检测方法，其特征在于，包括：

S1、从SAR数据集中随机抽取多幅SAR图像，分割获取样本切片，为每张样本切片设置样本标签后构建训练样本集，样本标签包括该样本切片内目标的坐标信息和类别信息；

S2、对训练样本集中的每张样本切片进行处理，生成出多张不同的人工样本切片，并在加注样本标签后加入所述训练样本集实现扩充；

S3、构建SSD模型，包括：

15层卷积神经网络，用于对输入图像的图像特征进行初步提取；

8层卷积神经网络，用于进一步提取不同尺度的图像特征；

多尺度检测网络，对提取到的不同尺度的图像特征进行检测；

S4、将所述步骤S2中扩充后的训练样本集作为输入图像输入所述步骤S3构建的SSD模型，采用梯度下降法对所述SSD模型进行训练；

S5、将待测数据图切割为多个与样本切片尺寸相同的待检测切片，输入所述步骤S4训练好的SSD模型，得到待测数据图的目标检测结果。

2.根据权利要求1所述的基于深度学习的SAR图像铁塔目标检测方法，其特征在于，所述步骤S1包括：

S1-1、从MiniSAR数据集中随机抽取100幅SAR图像；

S1-2、从每一幅SAR图像中随机分割获取多幅张样本切片；

S1-3、针对每一张样本切片加注样本标签，样本标签包括样本切片的绝对路径、目标个数、目标边框坐标以及目标的类别；

S1-4、将各个带有对应样本标签的所述样本切片组成训练样本集。

3.根据权利要求1所述的基于深度学习的SAR图像铁塔目标检测方法，其特征在于：

所述步骤S2中对训练样本集中的每张样本切片进行处理，生成出多张不同的人工样本切片时，随机使用平移、翻转、旋转、增加噪声中的一种或多种方法进行处理，从每一张样本切片变换生成出100张不同的人工样本切片。

4.根据权利要求1所述的基于深度学习的SAR图像铁塔目标检测方法，其特征在于，所述步骤S4包括：

S4-1、将扩充后的训练样本集输入SSD模型；

S4-2、利用前向传播法，计算输入图像对当前SSD模型的代价函数；

S4-3、利用反向传播法，分别计算代价函数对于SSD模型内各卷积层中的参数的梯度值；

S4-4、利用梯度下降法，根据代价函数对于各卷积层中的参数的梯度值，更新各卷积层中的参数；

S4-5、循环进行所述步骤S4-2至S4-4更新SSD模型，当循环次数达到设定值，或SSD模型中各卷积层的参数不再更新时，训练完成，保存当前SSD模型。

5.根据权利要求1所述的基于深度学习的SAR图像铁塔目标检测方法，其特征在于，所述步骤S5包括：

S5-1、以网格状将待测数据图切割为多个与样本切片尺寸相近的切片，作为待检测切片；

S5-2、将待检测切片输入所述步骤S4训练好的SSD模型，利用SSD模型对各待检测切片进行目标检测，得到各待检测切片的目标检测结果；

S5-3、将各待检测切片的目标检测结果合并在原始待测数据图的相应位置上，得到待测数据图的目标检测结果。