[发明专利]基于Faster R-CNN的日冕物质抛射检测方法

权利要求书

1.一种基于Faster R-CNN的日冕物质抛射检测方法，其特征在于，包括以下步骤：

步骤1，准备数据集，将LASCO C2的视频截取成图片，获取日冕序列图像的中心点并对齐序列图像，采用中值滤波降噪处理后，对图像进行极坐标转化，对数据集进行数据增强技术；在图片上做好人工标注，按比例划分为检测模型的训练集和验证集；

步骤2，构建Faster R-CNN目标检测网络，使用训练集进行模型训练，并选出测试集检测效果最好的训练模型；

所述步骤2中的目标检测在Faster R-CNN特征提取网络基础上，设计了多通道区域建议神经网络，包括多层次特征提取网络、多通道区域建议网络、兴趣区域建议池化层、回归器和分类器；

步骤2采用深度卷积网络作为特征提取层，在不同的网络层得到多尺度特征；对弱日冕物质抛射现象，经过5次卷积、2次池化操作后，能够很好地提取特征；对于强日冕物质抛射现象，由于特征尺度偏大，因此特征提取采用13次卷积和4次池化操作；整个网络采用同样大小的卷积核和池化尺寸；

步骤2构建Faster R-CNN目标检测网络时采用2个RPN，分别为RPN₁和RPN₂；其中RPN₁用于弱日冕物质抛射现象目标候选框生成，anchors大小设为22×22，32×32和45×45；RPN₂用于强日冕物质抛射现象目标候选框生成，anchors大小分别为64×64和128×128；所有锚点纵横比均为1:2或2:1；

步骤3，基于最好的训练模型，在GPU服务器上实现对日冕物质抛射现象的图片进行目标检测。

2.根据权利要求1所述的基于Faster R-CNN的日冕物质抛射检测方法，其特征在于：所述步骤1中的数据增强是结合缩放图像，颜色变换以及色彩抖动，其中，图像缩放的大小设置为256*256，448*448和512*512，颜色变换随机改变图像亮度、饱和度和对比度；人工标注目标包围框，所述目标包围框为将每一张图片中的日冕物质抛射现象都用矩形框框处，矩形框为目标的最小外接矩形，对应产生的XML文件；将这些数据按照等比例混合，按照8:2的比例划分为检测模型的训练集和验证集，训练集用于模型训练，验证集不参与模型训练，用于验证模型的训练效果。

3.根据权利要求1所述的基于Faster R-CNN的日冕物质抛射检测方法，其特征在于，步骤2中采用的损失函数是Smooth L₁函数，分类器选用Softmax分类器。

4.根据权利要求1所述的基于Faster R-CNN的日冕物质抛射检测方法，其特征在于，步骤（2）提取图像特征的卷积网络FEN采用的是开源的VGG-16网络，预训练RPN，利用RPN生成的建议框训练FEN及其后的ROI pooling、全连接层、分类器和回归器，在固定FEN基础上再次训练RPN；RPN₁和RPN₂训练时采用轮流训练策略，借助强CME目标特征帮助弱CME目标训练。