[发明专利]基于Faster R-CNN的声呐目标检测方法

摘要

本发明公开基于Faster R‑CNN的声呐目标检测方法。本发明采用深度学习技术对不同复杂水下环境中的目标进行特征提取。是对现今声呐目标检测方法方面一次重大创新与尝试，打破了传统方法所带来的局限，能够提取到低信噪比下声呐图像的深层次特征，并能对线状目标进行很好的目标检测与识别。本发明创建基于区域加速卷积神经网络(Faster‑RCNN)声呐目标检测与识别网络对声呐数据进行目标检测。通过实验发现，该方法在声呐图像的线状目标检测上取得很好的表现，验证了深度学习方法在声呐目标检测的可行性，为复杂水声环境数据的特征提取提供新的研究手段。

主权项

1.基于Faster R‑CNN的声呐目标检测方法,其特征在于该方法包括以下步骤：步骤(1)、三维成像声呐数据预处理将三维成像声呐采集到的原始声呐数据解析出声呐图像；步骤(2)、声呐图像的特征提取采用区域加速卷积神经网络Faster‑RCNN对声呐图像目标进行特征提取：2.1通过共享卷积神经网络CNN提取声呐特征图；其中步骤(1)预处理得到的声呐图像作为CNN的输入；其中提取声呐特征图的具体过程是：2.1.1将预处理得到不同尺寸的声呐图像缩放至固定的大小，然后将固定大小的声呐图像送入CNN网络；2.1.2在CNN网络中，对声呐图像做卷积、池化操作，得到第一层特征图；2.1.3将上一层得到的声呐特征图反复做卷积、池化操作，得到声呐特征图；2.2通过区域建议网络RPN代替传统的选择性搜索算法SS提取区域建议(RP)；其中上述得到的声呐特征图作为RPN网络的输入；其中提取区域建议的具体过程是：2.2.1将上述得到的声呐特征图的每一个像素点均设置多种不同尺寸的初始检测框和4个偏移量(包括检测框中心点坐标、边框长、宽)；2.2.2将步骤2.2.1得到的初始检测框送入softmax概率层，每个检测框将得到两个概率得分，通过概率得分判断检测框属于前景还是背景，最终筛选出属于前景的检测框；上述选择概率得分选测标准是：当第i个检测框的概率得分与真实标记的检测框的概率得分的IOU≥0.7时(IOU表示交并比)，即判定该检测框为前景；当IOU≤0.3时，则认为该检测框为背景，至于那些在0.3

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学，未经杭州电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201810229078.9/，转载请声明来源钻瓜专利网。