[发明专利]一种基于级联位置敏感检测的舰船目标检测方法

摘要

本发明公开了一种基于级联位置敏感检测的舰船目标检测方法，步骤S1：设计得到能适用于精准检测舰船目标边框的位置敏感级联检测模块；步骤S2：用步骤S1中得到的级联位置敏感检测模块，替换到原目标检测网络的检测模块，得到一种基于级联位置敏感检测的舰船目标检测方法，再利用舰船目标检测数据集逐级训练各个级联检测模块，最终将该模型移植至海上观测平台的设备中，完成海上舰船目标精准检测。采用本发明的技术方案，利用级联位置敏感检测模块，实现了基于级联位置敏感检测的目标检测方法，对海上视频图像中的舰船目标能够在保持原有快速检测的前提下实现更加精准地位置回归。

主权项

1.一种基于级联位置敏感检测的舰船目标检测方法，其特征在于，包括以下步骤：步骤S1：设计阈值递增的级联位置敏感检测模块以用于精准检测舰船目标边框；步骤S2：用步骤S1中得到的级联位置敏感检测模块，替换到原目标检测网络的检测模块，利用舰船目标检测数据集逐级训练各个级联检测模块，最终将所训练的模型移植入海上观测平台的设备中以用于海上舰船目标精准检测；其中，步骤S1进一步包括以下步骤：步骤S11：根据候选框生成模块RPN网络，得到输入图像的所有候选框，并将筛选过后的候选框集合BOX_RPN输入至检测模块；步骤S12：在每个级联检测单元中设置相应的IoU阈值以提升正样本的质量和数量，然后将各级检测单元串联并共享卷积特征；其中，步骤S12进一步包括以下步骤：步骤S121：通过统计检测网络各级输出的候选框与真实框IoU的分布情况，来确定并得到各级检测模块的IoU阈值u₁＝0.5、u₂＝0.647、u₃＝0.711；步骤S122：对S11得到的候选框BOX_RPN进行第一级位置边框回归，此级检测模块选取u₁＝0.5作为IoU阈值，最终得到以及检测模块的位置输出框BOX₁、以及每个框对应的置信度得分值Score₁；步骤S123：对S122得到的候选框BOX₁进行第一级位置边框回归，此级检测模块选取u₂＝0.647作为IoU阈值，最终得到以及检测模块的位置输出框BOX₂、以及每个框对应的置信度得分值Score₂；步骤S124：对S123得到的候选框BOX₂进行第一级位置边框回归，此级检测模块选取u₃＝0.711作为IoU阈值，最终得到以及检测模块的位置输出框BOX₃、以及每个框对应的置信度得分值Score₃；步骤S125：最终选取末级检测模块的位置输出结果作为最终预测位置框，并把S122、S123、S124得到的Score₁、Score₂、Score₃取平均值得到Score_avg作为最终置信度得分值；其中，步骤S2进一步包括以下步骤：步骤S21：用步骤S1中得到的位置敏感级联检测模块来替换传统的传统检测模块，并在VOC格式的舰船目标检测数据集上针对各个级联检测模块一次进行训练；步骤S22：将步骤S21中训练得到的基于级联检测模块的舰船目标识别网络模型移植入海上观测平台的设备中，实时处理摄像头采集的舰船视频，对海上视频图像中的舰船目标进行检测，得到更加精确的舰船目标位置框；其中，步骤S21进一步包括以下步骤：步骤S211：先训练第一级检测模块，这一级检测模块利用IoU阈值u₁＝0.5检测网络，回归预测RPN网络输出的每个输出候选框，得到第一级检测模型Detection‑Model₁；步骤S212：再训练第二级检测模块，固定S211得到的一级检测模型参数Detection‑Model₁,通过回归预测一级检测模块输出的每个输出候选框，得到第二级检测模型Detection‑Model₂；步骤S213：接着训练第三级检测模块，固定S212得到的二级检测模型参数Detection‑Model₂,通过回归预测二级检测模块输出的每个输出候选框，得到第三级检测模型Detection‑Model₃；步骤S214：最终将Detection‑Model₁、Detection‑Model₂、Detection‑Model₃整合至同一个舰船目标检测网络，得到训练好的基于舰船目标检测数据集的检测模型。