[发明专利]一种面向舰船目标识别应用的候选框比例优化方法

摘要

本发明公开了一种面向舰船目标识别应用的候选框比例优化方法，步骤S1:准备目标数据集；步骤S2：对已有数据目标进行目标框长宽比特征提取，并对长宽比例进行聚类，用聚类的方法提取出比例。步骤S3:用提取出的比例替换原有网络中的achor比。采用本发明的技术方案，提高了结合舰船目标特性，改变了锚点框选择方法，有效的提高了舰船目标识别的准确性。

主权项

1.一种面向舰船目标识别应用的候选框比例优化方法，其特征在于，包括以下步骤：步骤S1:准备目标数据集；步骤S2：对已有数据目标进行目标框长宽比特征提取，并对长宽比例进行聚类，用聚类的方法提取出比例，用提取出的比例替换原有网络中的achor比；步骤S3：将步骤S2训练得到的特征提取网络模型移植到目标检测网络RFCN中，并基于步骤S1中自建舰船目标检测数据集，最终训练得到能应用于舰船目标检测的网络模型；其中所述步骤S1进一步包括：步骤S11:建立目标的舰船目标数据集；其中所述步骤S2进一步包括：步骤S21:对已有数据目标进行目标框长宽比特征提取；步骤S22:从数据集中随机选取K₀个样本作为初始化聚类中心其中，c_i为类别；步骤S23:针对数据集中得每个样本x_i,计算它到K₀个聚类得距离并将其分到距离最小得聚类中心所对应的类中；步骤S24:判断上述每个类中的元素数目是否小于N_min；如果小于N_min则需要丢弃该类，令K＝K‑1，并将该类中的样本重新分配给剩下类中距离最小的类；步骤S25:针对每个类别c_i，重新计算它的聚类中心其中x为样本，c为类别；步骤S26:如果当前前往分裂操作S27,如果当前K≥2K₀，前往合并操作S28；其中，K为随机选取的样本数量；步骤S27：执行分裂操作，该步骤进一步如下步骤：步骤S271:计算当前所有类别聚类中心的两两距离，用矩阵D表示；步骤S272:对于D(i,i)≤d_min(i≠j)的两个类别需要合并操作，变成一个新的类，该类的聚类中心位置为：其中n代表这个两个类别中样本个数，新的聚类中心m为这个两个类别进行加权求和；步骤S28：执行合并操作；该步骤进一步包括如下步骤：步骤S281:计算每个类别下所有样本再每个维度下的方差；步骤S282:挑选出最大方差σ_max；步骤S283:若目标类别的σ_max≥Sigma并且该列别所包含的样本数量n_i≥2n_min,则前往步S284,若不满足则退出步骤S28，sigma为设定值；步骤S284:将满足步骤S283的类分裂成两个子类并令K＝K+1，其中m为新聚类中样本个数，σ为方差；步骤S29：重复S22至S28，直至达到最大迭代次数中止；将提取出来的比例替换原网络中的锚框(anchor)比。