[发明专利]基于深度学习的遥感影像舰船目标检测方法在审
| 申请号： | 201910726359.X | 申请日： | 2019-08-07 |
| 公开（公告）号： | CN110647802A | 公开（公告）日： | 2020-01-03 |
| 发明（设计）人： | 赵江洪;张晓光;杨璐;孙铭悦;董岩;陈朝阳 | 申请（专利权）人： | 北京建筑大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 11369 北京远大卓悦知识产权代理事务所(普通合伙) | 代理人： | 史霞 |
| 地址： | 102616 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 映射图 标定 遥感影像数据 检测 舰船目标 遥感影像 固定的 复杂场景 回归分析 目标定位 目标检测 区域生成 实时检测 特征提取 遥感目标 鲁棒性 预测 残差 影像 网络 融合 学习 | ||
1.基于深度学习的遥感影像舰船目标检测方法，其特征在于，包括：
获取遥感影像数据集；
采用残差网络对所述遥感影像数据集中的影像进行特征提取，生成特征映射图；
采用区域生成网络在所述特征映射图上生成预测标定框，判断该预测标定框是否为目标标定框并进行回归分析，生成精确标定框；
将所述精确标定框与所述特征映射图融合，生成固定的特征映射图，进行目标定位；
判断每个所述固定的特征映射图的类别，实现目标检测。
2.如权利要求1所述的基于深度学习的遥感影像舰船目标检测方法，其特征在于，还包括，在采用残差网络对所述遥感影像数据集中的影像进行特征提取前，采用Imagenet数据集对基础残差网络进行预训练，将预训练好的基础残差网络中的全连接层及其以上的所有网络层迁移到所述残差网络中，并冻结基础残差网络中全连接层及其以上的所有网络层的节点参数，然后在迁移后的所述残差网络中依次添加两层卷积层和一层全连接层，再使用包含于所述遥感影像数据集的训练数据集对所述残差网络进行训练。
3.如权利要求1所述的基于深度学习的遥感影像舰船目标检测方法，其特征在于，还包括，在采用残差网络对所述遥感影像数据集中的影像进行特征提取前，对所述影像依次进行裁剪和扩展。
4.如权利要求3所述的基于深度学习的遥感影像舰船目标检测方法，其特征在于，所述扩展为将所述影像随机旋转90°或180°，以实现图像数量增倍。
5.如权利要求1所述的基于深度学习的遥感影像舰船目标检测方法，其特征在于，所述预测标定框的长宽比为(1:1,1:2,3:1)。
6.如权利要求1所述的基于深度学习的遥感影像舰船目标检测方法，其特征在于，所述判断该预测标定框是否为目标标定框，包括，将所述预测标定框与人手工标注框的交并比与预设阈值进行比较，若交并比大于预设阈值，则判定所述预测标定框为目标标定框。
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北京建筑大学，未经北京建筑大学许可，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/201910726359.X/1.html，转载请声明来源钻瓜专利网。
