[发明专利]基于深度学习的海上弱小运动船舶实时检测方法

权利要求书

1.一种引用SELU激活函数的新的网络结构的构建方法，其特征在于，所述网络结构应用于基于深度学习的海上弱小运动船舶实时检测方法，所述网络结构为全卷积网络类型，且包含两个部分，第一部分的作用是提取目标图像的有效特征；第二部分的作用是检测目标图像并确定最终检测结果；对海上监控系统视频中的图像进行目标检测处理，对输入图像大小进行统一尺寸操作得到第一部分提取的目标图像；

第一部分提取到有效特征的图像为第二部分检测的目标图像；

其中，所述网络结构的第一部分加入新的网络基本单元；

所述新的网络基本单元包含两个3*3卷积层和两个1*1卷积层；

第一3*3卷积层后连接第一1*1卷积层，以增加非线性而不改变卷积层的感受域；

所述第一1*1卷积层后再连接第二1*1的卷积层，以维护小目标的细节信息；

所述第二1*1卷积层后再连接第二3*3的卷积层，以形成3-1-1-3网络基本单元，且每个卷积层的输出部分加入SELU激活函数。

2.一种基于深度学习的海上弱小运动船舶实时检测方法，其特征在于，步骤包含：

步骤1、对海上监控系统视频中的图像进行目标检测处理；

步骤2、对输入图像大小进行统一尺寸操作；

步骤3、使用如权利要求1所述的网络结构的第一部分来提取小目标特征；

步骤4、对于提取到的特征，使用如权利要求1所述的网络结构的第二部分的分类器对图像从浅层网络学习小目标的有效特征，再综合深层网络的位置信息，最终对小目标进行分类。

3.如权利要求2所述的基于深度学习的海上弱小运动船舶实时检测方法，其特征在于，所述的小目标是弱小船舶目标，且其像素大小为小于等于80×40像素。

4.如权利要求2所述的基于深度学习的海上弱小运动船舶实时检测方法，其特征在于，网络结构的第一部分的SELU激活函数引入自归一化的属性，使神经元激励值自动地收敛到零均值和单位方差。

5.如权利要求2所述的基于深度学习的海上弱小运动船舶实时检测方法，其特征在于，网络结构的第二部分使用多尺度预测策略。

6.如权利要求2所述的基于深度学习的海上弱小运动船舶实时检测方法，其特征在于，所述步骤4的分类结果有三种表达形式，分别是目标的位置、类别和置信度。

7.如权利要求2-6任一项所述的基于深度学习的海上弱小运动船舶实时检测方法，其特征在于，所述步骤1中的海上监控系统视频图像包含RGB彩色图像、红外图像。