[发明专利]一种基于级联位置敏感检测的舰船目标检测方法

说明书

本发明公开了一种基于级联位置敏感检测的舰船目标检测方法，步骤S1：设计得到能适用于精准检测舰船目标边框的位置敏感级联检测模块；步骤S2：用步骤S1中得到的级联位置敏感检测模块，替换到原目标检测网络的检测模块，得到一种基于级联位置敏感检测的舰船目标检测方法，再利用舰船目标检测数据集逐级训练各个级联检测模块，最终将该模型移植至海上观测平台的设备中，完成海上舰船目标精准检测。采用本发明的技术方案，利用级联位置敏感检测模块，实现了基于级联位置敏感检测的目标检测方法，对海上视频图像中的舰船目标能够在保持原有快速检测的前提下实现更加精准地位置回归。

技术领域

本发明涉及海面上的舰船目标检测方法，尤其涉及一种基于级联位置敏感检测的目标检测方法。

舰船目标作为海洋的主体，对其进行精准的检测是其它海洋应用必备的基础组成部分，也是边海防建设中必不可少的关键技术。精确地检测海面上的舰船目标可为指挥员决策提供支持，在巩固边海防的行动中起到重要作用。为了能够实现舰船目标精确检测与战时目标精确打击，对目标位置框实现精确定位显得尤为重要。

传统的Craft优化方法往往直接级联相同IoU阈值的检测模块来进行提升目标检测边框的精确性，如图1所示。从图中可以发现两次级联检测回归模块使用的IoU阈值并没有改变，虽然通过这种级联结构能够有效获取类间和类内的差异来提升检测效率，但是并没有修改IoU阈值，各级输入样本的质量并没有得到提升。

也有部分传统的优化方法为了提升样本质量而直接提升检测模块的IoU阈值，但这往往会导致正样本数量的大幅减少。图2统计了5000张各种场景下的舰船目标图片对应候选框IoU的分布情况，从中可以分析得到随着IoU阈值的上升，正样本数量会急剧下降。这便会导致目标检测网络模型在样本数量较少的情况下进行训练，产生过拟合现象，最终影响网络检测性能。

发明内容

针对现有技术存在的技术问题，本发明提出一种基于级联位置敏感检测的目标检测方法，采用RFCN网络的位置敏感检测结构和Iou阈值逐级提升的级联方式，改进了传统的检测网络结构。通过多个IoU阈值递增的级联检测模块，每一级使用上一级回归过后的结果作为输入。在逐级提升正样本质量的同时，仍可以保证每一级的检测模块都可以得到足够数量的正样本。

为解决其技术问题，本发明所采用的技术方案如下:

一种基于级联位置敏感检测的目标检测方法，其特征在于，包括以下步骤：

步骤S1：设计得到能适用于精准检测舰船目标边框的位置敏感级联检测模块；

步骤S2：用步骤S1中得到的级联位置敏感检测模块，替换到原目标检测网络的检测模块，得到一种基于级联位置敏感检测的舰船目标检测方法，再利用舰船目标检测数据集逐级训练各个级联检测模块，最终将该模型移植入海上观测平台的设备中，完成海上舰船目标精准检测；

其中，步骤S1进一步包括以下步骤：

步骤S11：根据候选框生成模块RPN网络，来得到输入图像的所有候选框，将筛选过后的候选框集合BOX_RPN输入至检测模块；

步骤S12：传统的直接提升检测模块IoU阈值的优化方法，非常容易导致正样本数量的减少，而造成过拟合现象。使得检测算法的检测性能大大下降。因此，本发明提出了级联位置敏感检测模块，每一个级联检测单元都需要设置各级的IoU阈值以提升正样本的质量和数量。然后将各级联单元串联并共享卷积特征，得到最终实现的改进版级联检测模块。

其中，步骤S12进一步包括以下步骤：

步骤S121：通过统计检测网络各级输出的候选框与真实框IoU的分布情况，如图4、图5、图6、图7所示，来确定并得到各级检测模块的IoU阈值u₁＝0.5、u₂＝0.647、u₃＝0.711；