[发明专利]基于神经网络可视化的声呐图像自动目标识别方法

权利要求书

1.一种基于神经网络可视化的声呐图像自动目标识别方法，其特征在于，包括如下步骤：

1)使用ResNet-18分类主干网络和Grad-CAM神经网络可视化搭建自动目标识别模型；其中，Grad-CAM模块置于ResNet-18分类主干网络的全连接层前；

2)基于ImageNet光学数据集和自适应实例正则化风格转换技术构建形状偏好数据集，利用形状偏好数据集对自动目标识别模型进行预训练，获取对形状特征鲁棒的预训练参数，

3)利用标记了样本类别的声呐图像作为训练集，对步骤2)预训练后的自动目标模型进行再训练；

4)将待识别样本输入经再训练后的自动目标识别模型，得到分类类别，基于Grad-CAM模块得到指示目标位置的可视化热力图；对热力图高亮部分使用最小外接矩形法获得具体目标位置。

2.根据权利要求1所述的基于神经网络可视化的声呐图像自动目标识别方法，其特征在于，所述的Grad-CAM模块，其结构为其中Aⁱ表示最终输出的n张特征图中的1张，其对样本被分类到某一类别c的影响权重记为ReLU为激活函数，使得可视化时只关注与类c正相关的区域。

3.根据权利要求2所述的基于神经网络可视化的声呐图像自动目标识别方法，其特征在于，

由识别模型判定样本为类c的总得分对每个特征图像素求导得到：

式中S_c表示全连接层判定样本被分类到某一类别c的得分，是一张大小为i1×i2的特征图i中某一点的像素值；由于代表的是特征图的平均权重，进一步除以以求平均，由此，Grad-CAM模块一般化的结构为:

4.根据权利要求1或2所述的基于神经网络可视化的声呐图像自动目标识别方法，其特征在于，所述ResNet-18分类主干网络由1个初始卷积层、4个卷积单元和1个全连接层组成；每个卷积单元由两个卷积层和一个跳跃连接层组成。

5.根据权利要求1所述的基于神经网络可视化的声呐图像自动目标识别方法，其特征在于，所述步骤2)中，基于ImageNet光学数据集和自适应实例正则化风格转换技术构建形状偏好数据集，具体为：

ImageNet光学数据集获取背景为海洋场景的部分数据，作为基础光学数据集；

利用Painter by Numbers数据集作为风格数据集，之后基于VGG-19实现AdaIN风格转换生成形状偏好光学数据集，AdaIN的具体描述如下：

式中，x是内容图像，y是风格图像，μ和σ分别表示均值和标准差。

6.根据权利要求1所述的基于神经网络可视化的声呐图像自动目标识别方法，其特征在于，所述步骤3)中，训练集中的声呐图像调整为统一像素尺寸，如果声呐图像中有多个目标，以居于中央最明显的目标作为该声呐图像的样本类别。

7.根据权利要求1所述的基于神经网络可视化的声呐图像自动目标识别方法，其特征在于，所述步骤4)中，

对热力图高亮部分使用最小外接矩形法获得具体目标位置具体为：

通过设定灰度阈值，对热力图中高亮部分求取其最小外接矩形，该矩形在热力图中的位置即对应于原图中目标位置。