[发明专利]一种基于多任务学习的舰船目标识别方法

权利要求书

1.一种基于多任务学习的舰船目标识别方法，其特征在于：包括以下步骤：

步骤1：对舰船图片数据I_s进行人工处理，将处理结果表示为3通道的灰度图像I_g，其中舰船区域为S，非舰船区域为B；

步骤2：根据I_g建立标签文件L，并且根据S的不同将标签文件转化为适当的形式，形成L₁、L₂；

步骤3：选择深度学习框架，建立多任务网络结构；

步骤4：选择优化函数，同时设置迭代次数等超参数，将I_s、L₁、L₂输入网络进行训练，保存模型用于测试。

2.根据权利要求1所述的一种基于多任务学习的舰船目标识别方法，其特征在于：步骤3包括以下步骤：步骤3.1、利用VGG-16第13层学到的特征作为共享特征，然后通过区域生成网络RPN，在共享特征的基础上附加一个3×3的卷积层用于降维，然后接2个1×1的卷积用于目标框定位和目标分类，采用非极大值抑制，获得300个top-ranked的box用于后续任务；

步骤3.2、通过RoI pooling来提取box里固定大小的特征，设置为14×14，随后为每个box增加两层全连接层fc，第一个全连接层fc₁将特征维度降低到256，第二个全连接层fc₂设为28×28个输出，对每个输出与ground truth mask进行二值逻辑回归，得到pixel-wise的mask；

步骤3.3、将共享特征、第一阶段的boxes和第二阶段的masks作为输入，一方面，在ROIpooling的基础上连接两个fc层：fc₁(4096)+fc₂(4096)；另一方面对步骤2得到的mask也连接两个fc层：fc₁(4096)+fc₂(4096)；然后再对这两个通道进行连接，最后得到每个实例的得分，使用softmax分类，N+1类，N个实例类别，1个背景类别。