[发明专利]一种基于特征金字塔和信息补偿的SAR图像舰船检测方法

权利要求书

1.一种基于特征金字塔和信息补偿的SAR图像舰船检测方法，其特征在于，所述方法包括以下步骤：

S1图像数据预处理,利用图像标注软件对图像中待检测的舰船目标进行标注，获取到图像中舰船目标的中心点坐标(x,y)，目标的宽w和高h；

S2使用特征金字塔网络和信息补偿模块对输入图像进行特征提取；

S3使用预处理后的训练集进行训练；

S4使用训练得到的网络对测试集进行测试。

2.根据权利要求1所述的基于特征金字塔和信息补偿的SAR图像舰船检测方法，其特征在于，所述步骤S1总，图像总数为5604幅，随机抽取其中的3642幅图像为训练集，其余1962幅图像为测试集；并将训练集的图像尺寸统一缩放为800pixel×800pixel。

3.根据权利要求1所述的基于特征金字塔和信息补偿的SAR图像舰船检测方法，其特征在于，所述步骤S2中，以深度残差网络ResNet-50为基础，搭建特征金字塔网络；ResNet-50的权重来源于ImageNet数据集上预训练得到的权重文件；给定ResNet-50每个卷积阶段最后的输出为{C₁，C₂，C₃，C₄，C₅}，FPN通过自上而下的路径和横向连接输出不同尺度的特征层{P₃，P₄}。利用信息补偿模块生成P₅。

4.根据权利要求1或3所述的基于特征金字塔和信息补偿的SAR图像舰船检测方法，其特征在于，所述步骤S2还包括：

S2.1利用比例不变自适应平均池化生成具有不同空间上下文信息的多尺度特征图：

F_i＝AvgPool(C₅,S×α_i),i＝1,2,3

其中，S＝w×h代表特征图C₅的尺度大小，S×α_i代表特征图F_i的尺度，AvgPool代表平均池化操作；

S2.2采用1×1卷积层将每个特征图的通道数减少为256：

F_i′＝Conv_1×1(F_i,256),i＝1,2,3

其中，Conv_1×1代表1×1卷积操作。

S2.3采用双线性插值对上述特征图上采样，以便用于后续融合。

F_i″＝Upsample(F_i′,S),i＝1,2,3

其中，Upsample代表双线性插值操作；

S2.4为输入的每个特征生成对应的空间权值图：

F″＝Concat(F₁″,F₂″,F₃″)

W＝Sigmoid{Conv_3×3[Conv_1×1(F″)]}

其中，Concat代表沿通道融合特征图，Conv_3×3代表3×3卷积操作，Sigmoid代表Sigmoid函数运算；

S2.5采用空间权重图W来提取特征图F″的多尺度上下文信息，其输出特征图F_ASF定义如下：

S2.6将特征图F_ASF和特征图C₅相加求和后，使用一个3×3卷积层生成最高金字塔层级的特征图P₅：

P₅＝Conv_3×3[F_ASF+Conv_1×1(C₅)]

P₆通过一个步长为2的3×3卷积层从C₅上卷积得到；P₇是通过修正线性单元(RectifiedLinear Unit,ReLU)和步长为2的3×3卷积从P₆上计算得到。最终特征金字塔网络的输出为{P₃，P₄，P₅，P₆，P₇}。