[发明专利]基于海陆分割和特征金字塔网络的港口停靠舰船检测方法有效

专利信息
申请号: 201910674642.2 申请日: 2019-07-25
公开(公告)号: CN110414509B 公开(公告)日: 2021-10-01
发明(设计)人: 梁硕;楚博策;吴金亮;陈金勇;王士成;于君娜;帅通;单子力;文义红 申请(专利权)人: 中国电子科技集团公司第五十四研究所
主分类号: G06K9/32 分类号: G06K9/32;G06K9/34;G06N3/04;G06N3/08
代理公司: 河北东尚律师事务所 13124 代理人: 王文庆
地址: 050081 河北省石家庄市中山*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 海陆 分割 特征 金字塔 网络 港口 停靠 舰船 检测 方法
【权利要求书】:

1.一种基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法,其特征在于包括以下步骤:

(1)利用已知的海洋和陆地样本切片数据,基于深度卷积神经网络构造海陆二分类模型;按照设定尺寸对待处理遥感影像进行切分,将待处理遥感影像切分成一系列设定尺寸的切片数据,利用海陆二分类模型对待处理遥感影像切片数据进行海陆二分类处理,得到若干海洋区域的切片,根据海洋区域切片找到待处理遥感影像中对应的若干个海洋区域的位置,基于该海洋区域位置采用区域多点生长的分割算法对待处理遥感影像中的海洋和陆地进行划分;

(2)根据舰船长度知识信息和遥感影像空间分辨率大小,确定初始候选框的尺寸,基于该尺寸沿着海岸线以设定重叠率对影像进行切分,生成一系列初始候选框切片;

(3)利用基于区域候选网络的目标检测框架和特征金字塔网络,构建舰船检测网络模型,并利用已知的舰船样本数据对舰船检测网络模型进行训练,利用训练好的舰船检测网络模型对所有的初始候选框切片进行舰船检测,依据每个切片舰船检测结果得到待处理遥感影像的舰船检测结果。

2.根据权利要求1所述的一种基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法,其特征在于,所述步骤(1)中,深度卷积神经网络包括ResNet-50网络或VGG-16网络。

3.根据权利要求2所述的一种基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法,其特征在于,所述步骤(1)中,将待处理遥感影像切分成一系列设定尺寸的切片数据,具体为:对待处理遥感影像按照设定尺寸进行无重叠切分,生成一系列切片数据。

4.根据权利要求3所述的一种基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法,其特征在于,所述步骤(1)中,基于该海洋区域位置采用区域多点生长的分割算法对待处理遥感影像中的海洋和陆地进行划分,具体为:每个海洋区域切片中按灰度值选取一点作为海洋区域的初始点,基于这些初始点进行多点生长,完成对海洋和陆地的划分。

5.根据权利要求2所述的一种基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法,其特征在于,所述步骤(2)中,初始候选框为正方形,其边长为:2×[L/X],其中,L为舰船的最大长度,X为待处理遥感影像的空间分辨率大小。

6.根据权利要求2所述的一种基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法,其特征在于,所述步骤(2)中,初始候选框为矩形,其短边长为:2×[L/X],其中,L为舰船的最大长度,X为待处理遥感影像的空间分辨率大小。

7.根据权利要求3所述的一种基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法,其特征在于,所述步骤(3)中,利用ResNet-101或VGG-16网络模型构建特征金字塔网络。

8.根据权利要求3所述的一种基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法,其特征在于,所述步骤(3)中,基于区域候选网络的目标检测框架,采用Faster Rcnn或Fast Rcnn。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国电子科技集团公司第五十四研究所,未经中国电子科技集团公司第五十四研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910674642.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top