[发明专利]一种船舶目标重识别方法、终端设备及存储介质

权利要求书

1.一种船舶目标重识别方法，其特征在于，包括以下步骤：

S1：采集待分析类型船舶对应的第一船舶图像数据集，采集待分析类型之外的其他类型船舶对应的第二船舶图像数据集，分别对第一船舶图像数据集和第二船舶图像数据集中的各船舶图像以图像中心为中心点进行顺时针或逆时针方向的随机旋转，将旋转后的第一船舶图像数据集中的船舶图像组成第一训练集，将旋转后的第二船舶图像数据集中的船舶图像组成第二训练集；

S2：构建目标重识别模型，通过第一训练集和第二训练集分别对目标重识别模型进行迭代训练，以使总体损失函数最小，将通过第一训练集训练后的目标重识别模型最为待分析类型船舶目标重识别模型；

总体损失函数包括基于局部特征与整体特征的难样本采样三元组损失L_tri、识别损失L_ID和迁移损失L_tran；

S3：通过训练后的待分析类型船舶目标重识别模型对船舶图像进行重识别。

2.根据权利要求1所述的船舶目标重识别方法，其特征在于：目标重识别模型中特征提取采用的主干网络为ResNet50。

3.根据权利要求1所述的船舶目标重识别方法，其特征在于：三元组损失L_tri的计算公式为：

D_tri＝D_l+λd_g

其中，D_tri表示两张图片之间的特征总距离，表示相似度最低的正样本对中的两张图片之间的特征总距离，表示相似度最高的负样本对中的两张图片之间的特征总距离，λ为用于平衡全局距离和局部距离的超参数，η为超参数，batch表示样本集，其中包含P×Q张图片，p表示样本集batch中包含的船舶个数，Q表示样本集batch中每艘船舶对应Q张图片，a表示样本集batch中的图片，A表示样本集batch中与图片a属于相同船舶的图片集，u表示图片集A中的图片，B表示样本集batch中与图片a属于不同船舶的图片集，v表示图片集B中的图片，D_l表示两张图片之间的最小局部特征总距离，d_g表示两张图片之间的整体特征距离。

4.根据权利要求1所述的船舶目标重识别方法，其特征在于：识别损失L_ID的计算公式为：

其中，M表示特征类别总数，m表示特征类别的第m个特征编号，N表示样本的特征编号总数，n表示样本的第n个特征编号，p_nm表示n属于m类的预测概率值，q_nm为经过标签平滑操作后的软标签符号函数，ε为超参数。

5.根据权利要求1所述的船舶目标重识别方法，其特征在于：迁移损失L_tran的计算公式为：

L_tran(S,T)＝γMMD(S,T)+ρCORAL(S,T)

其中，L_tran(S,T)，γ和ρ均表示比例权重，S表示源域图像，T表示目标域图像，L_tran(S,T)表示源域图像与目标域图像之间的迁移损失，MMD(S,T)表示源域图像与目标域图像之间的最大均值差异，CORAL(S,T)表示源域图像与目标域图像之间利用子空间变换法进行二阶特征对齐后的二阶统计特征距离。

6.根据权利要求1所述的船舶目标重识别方法，其特征在于：步骤S1中旋转之前还包括对第一船舶图像数据集和第二船舶图像数据集中的图像进行格式统一，格式统一的具体过程为利用加灰条的填充方式使图像的长宽比一致，再缩放至同一分辨率。

7.根据权利要求1所述的船舶目标重识别方法，其特征在于：步骤S1中旋转的角度范围为-10°～10°。

8.一种船舶目标重识别终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～7中任一所述方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1～7中任一所述方法的步骤。