[发明专利]一种基于深度学习的无人机航拍图像中的船舶检测方法

权利要求书

1.一种基于深度学习的无人机航拍图像中的船舶检测方法，其特征在于，包括以下步骤：

(1)采集包含军用舰船和民用船只的无人机航拍图像并进行标注，获得船舶数据库；

(2)将步骤(1)获得的船舶数据库送入深度学习网络进行训练，直至网络收敛；

(3)利用步骤(2)训练好的深度学习网络和权重文件来检测无人机航拍图像中的船舶目标，并输出检测结果。

2.根据权利要求1所述基于深度学习的无人机航拍图像中的船舶检测方法，其特征在于，步骤(1)的具体步骤如下：

(A1)采集用于训练深度学习网络的包含船舶的无人机航拍图像；

(A2)将采集到的图像进行数据预处理；

(A3)将预处理后的图像用矩形框进行标注，获取矩形框的坐标以及矩形框内所包含船舶的种类，最终得到船舶数据库。

3.根据权利要求2所述基于深度学习的无人机航拍图像中的船舶检测方法，其特征在于，在步骤(A2)中，所述数据预处理包括丢掉不包含船舶目标的图像以及船舶目标显示不到一半的图像。

4.根据权利要求2所述基于深度学习的无人机航拍图像中的船舶检测方法，其特征在于，在步骤(A3)中需要标注两类数据：军用舰船和民用船只，首先采用浮点型数据格式记录矩形框的位置信息，然后转换成改进的深度学习网络需要的数据格式。

5.根据权利要求1所述基于深度学习的无人机航拍图像中的船舶检测方法，其特征在于，步骤(2)中所述深度学习网络为改进的YOLT网络，改进的YOLT网络的结构如下表所示：

训练数据或测试数据从第0层卷积层输入网络，依次经过0,1,2,…,28层处理，最终从第28层卷积层输出；其中，在第12层Passthrough层，将第6层卷积层与第11层池化层连接起来，然后输入到第13层卷积层；在第26层Passthrough层，将第17层卷积层与第25层卷积层连接起来，然后输入到第27层卷积层。

6.根据权利要求5所述基于深度学习的无人机航拍图像中的船舶检测方法，其特征在于，所述改进的YOLT网络采用anchor boxes机制，使用7个anchors，且利用k-means均值方法获取anchors大小。

7.根据权利要求1所述基于深度学习的无人机航拍图像中的船舶检测方法，其特征在于，步骤(2)的具体步骤如下：

(B1)将船舶数据库送入深度学习网络，选取ImageNet数据库训练好的深度学习模型作为基本网络模型，训练开始的学习率为0.0001，之后调整深度学习网络的参数steps来改变学习率；

(B2)将船舶数据库中的图像随机缩放到固定尺寸，得到训练图像；

(B3)将训练图像分割成n*n个网格，每个网格预测7个边界框；

(B4)将训练图像送入深度学习网络中，经过卷积层、池化层、Passthrough层后输出卷积特征图；

(B5)用输出的卷积特征图采用卷积作预测，在卷积特征图上进行滑窗采样，根据步骤(B3)，每一个网格预测7个不同大小的边界框，最终会预测n*n*7个边界框，每个边界框回归位置、置信度和类别信息，然后根据计算出的损失函数值，通过反向传播来调整权重；

(B6)当到达最大迭代次数时或损失函数值达到了收敛状态时结束训练，获得最终用于船舶检测的深度学习网络和权重文件。

8.根据权利要求7所述基于深度学习的无人机航拍图像中的船舶检测方法，其特征在于，在步骤(B2)中，缩放至固定尺寸M*M，M∈[320,608]，且步长为32；在步骤(B3)中，n∈[10,19]。