[发明专利]基于改进锚点框生成模型的船舶多目标检测方法

权利要求书

1.本发明提供一种基于改进锚点框生成模型的船舶多目标检测方法，其特征在于，包括：

获取SAR船舶图像；

构建低复杂度网络架构，并将所述船舶图像放入低复杂度网络中，生成特征映射空间；

采用基于形状相似度的聚类方法生成初始锚点框；

以生成的初始锚点框为基础，采用滑窗机制在低复杂度特征空间中生成新的候选框，对候选框进行回归训练，所述候选框用于船舶多目标检测。

2.根据权利要求1所述的方法，所述构建低复杂度网络架构，其特征在于，包括：

构建由五层卷积层和五层池化层构成的低复杂度的主干网络架构；

利用主干网络架构将SAR船舶图像映射到低复杂度特征空间，得到特征映射图。

3.根据权利要求1所述的方法，所述采用基于形状相似度的聚类方法生成初始锚点框，其特征在于，包括：

获取船舶目标真实边框的形状；

计算不同的真实边框之间的形状距离；

利用kmeans算法根据真实边框的形状以及不同的真实边框的形状距离生成初始锚点框。

4.根据权利要求1所述的方法，所述采用滑窗机制在低复杂度特征空间中生成新的候选框，其特征在于，包括：

在低复杂度特征映射图进行滑窗操作得到候选框；

通过非极大值抑制找到交并比最大的候选框并进行回归训练；

通过分类损失函数和定位目标框的回归损失函数生成新的候选框。

5.根据权利要求2所述的方法，所述构建低复杂度网络架构，其特征在于，所述利用卷积和下采样将SAR船舶图像映射到低复杂度特征空间，得到特征映射图，包括：

由船舶图像到特征映射图的过程可表示为：

C1[112,112,64]＝max_pooling(Img[224,224,3]×kernel[[3,3,3],64])

C2[56,56,128]＝max_pooling(C1[112,112,64]×kernel[[3,3,64],128])

C3[28,28,256]＝max_pooling(C2[56,56,128]×kernel[[3,3,128],256])

C4[14,14,512]＝max_pooling(C3[28,28,256]×kernel[[3,3,512],512])

C5[7,7,512]＝max_pooling(C4[4,14,512]×kernel[[3,3,512],512])

P5[7,7,256]＝C5[7,7,512]×kernel[[1,1,512],256]

P4[14,14,256]＝UpSampling(C5)+(C4[14,14,512]×kernel[[1,1,512],256])

P3[28,28,256]＝UpSampling(C4)+(C3[28,28,256]×kernel[[1,1,256],256])

P2[56,56,256]＝UpSampling(C3)+(C2[56,56,128]×kernel[[1,1,128],256])

P1[112,112,256]＝UpSampling(C2)+(C1[112,112,64]×kernel[[1,1,64],256])

其中，Img表示输入的SAR船舶图像，{C1,C2,C3,C4,C5}表示网络结构对应的五层卷积，maxpooling表示池化层，kernel表示卷积核的大小，UpSampling表示上采样，{P1,P2,P3,P4,P5}为生成的特征映射图，[*]表示的是各层输入的尺寸，分别对应长，宽，高。